CVPR（國(guó)際計(jì)算機(jī)視覺(jué)與模式識(shí)別會(huì)議）是由IEEE主辦的一年一度的世界頂級(jí)計(jì)算機(jī)視覺(jué)學(xué)術(shù)性會(huì)議。近日，創(chuàng)新奇智團(tuán)隊(duì)參加的CVPR－FGVC10（細(xì)粒度視覺(jué)分類）研討會(huì)PlantTraits挑戰(zhàn)賽比賽結(jié)果揭曉。創(chuàng)新奇智在多個(gè)參賽隊(duì)伍中脫穎而出，成功斬獲世界冠軍。
在本次比賽中，創(chuàng)新奇智團(tuán)隊(duì)表現(xiàn)出色，在PlantTraits賽道樣本數(shù)據(jù)量極少的情況下，利用遷移學(xué)習(xí)技術(shù)以及提出一種創(chuàng)新性的架構(gòu)設(shè)計(jì)，取得了突破性進(jìn)展，為視覺(jué)識(shí)別任務(wù)的性能提升做出了新的貢獻(xiàn)。
CVPR是計(jì)算機(jī)視覺(jué)領(lǐng)域全球三大會(huì)議之一。大賽受到了國(guó)內(nèi)外學(xué)術(shù)界和產(chǎn)業(yè)界的廣泛關(guān)注，自3月份開(kāi)賽以來(lái)，共有來(lái)自全世界多個(gè)國(guó)家和地區(qū)超過(guò)1500個(gè)團(tuán)隊(duì)報(bào)名參賽。本屆CVPR-FGVC10研討會(huì)由丹麥哥本哈根大學(xué)、美國(guó)加州理工學(xué)院、英國(guó)愛(ài)丁堡大學(xué)、美國(guó)麻省理工學(xué)院、英國(guó)倫敦大學(xué)學(xué)院、捷克共和國(guó)皮爾森西波西米亞大學(xué)、北京大學(xué)、Meta(Facebook)、Google等知名高校及機(jī)構(gòu)聯(lián)合主辦。
PlantTraits 2023挑戰(zhàn)賽及賽題介紹
PlantTraits 2023是隸屬于CVPR 2023 FGVC細(xì)粒度挑戰(zhàn)賽的分支，是國(guó)際人工智能和計(jì)算機(jī)視覺(jué)領(lǐng)域的旗艦學(xué)術(shù)賽事，由德國(guó)萊比錫大學(xué)地球系統(tǒng)研究遙感中心（RSC4Earth, Leipzig University, Germany）主辦。
PlantTraits 2023挑戰(zhàn)賽旨在探索從有限的植物性狀數(shù)據(jù)中預(yù)測(cè)全球范圍內(nèi)的植物性狀，以及整個(gè)生態(tài)系統(tǒng)將如何對(duì)氣候變化做出反應(yīng)。賽事要求利用植物的圖像并結(jié)合植物生長(zhǎng)環(huán)境與植物形狀之間的關(guān)系預(yù)測(cè)出植物性狀。賽題給定植物圖像數(shù)據(jù)、植物生長(zhǎng)環(huán)境信息以及植物性狀的均值與方差進(jìn)行模型訓(xùn)練，要求參賽者使用深度學(xué)習(xí)的回歸模型從植物照片中預(yù)測(cè)植物屬性，比如長(zhǎng)度、發(fā)芽率等30余項(xiàng)屬性。主辦方將根據(jù)各參賽隊(duì)伍提交的植物性狀文件計(jì)算出平均R2進(jìn)行排名。
創(chuàng)新奇智奪冠算法介紹
直接對(duì)植物性狀進(jìn)行回歸是十分復(fù)雜的，通過(guò)分析發(fā)現(xiàn)，對(duì)于相同類別的植物，其性狀的分布范圍會(huì)更小，而可以預(yù)測(cè)出植物的類別又是至關(guān)重要的。因此不同于以往的回歸任務(wù)，創(chuàng)新奇智團(tuán)隊(duì)首先利用分類任務(wù)確定植物的類別，再依據(jù)后處理得到植物性狀，從而極大提升模型性能。該任務(wù)的一大難點(diǎn)在于數(shù)據(jù)量極少，單一類別植物至多只有6張圖像與之對(duì)應(yīng)。
為了解決上述問(wèn)題，創(chuàng)新奇智團(tuán)隊(duì)選取ConvNeXtV2模型作為骨干網(wǎng)絡(luò)(backbone)�？紤]到該任務(wù)為植物細(xì)粒度回歸任務(wù)，因此首先采用遷移學(xué)習(xí)(Transfer Learning)方法，在iNaturelist數(shù)據(jù)集上對(duì)該模型進(jìn)行預(yù)訓(xùn)練，有效提升了該模型在植物特征提取方面的能力。同時(shí)，為了有效地利用植物生長(zhǎng)環(huán)境等數(shù)據(jù)，團(tuán)隊(duì)對(duì)這些meta數(shù)據(jù)進(jìn)行了歸一化。在通過(guò)ConvNeXtV2網(wǎng)絡(luò)提取出圖像特征和將歸一化后的meta數(shù)據(jù)拼接到圖像特征之后，然后再通過(guò)多層感知機(jī)（MLP）對(duì)特征進(jìn)行充分融合，輸出植物的類別概率值。在整個(gè)處理過(guò)程中，團(tuán)隊(duì)使用不同的概率進(jìn)行數(shù)據(jù)添加和模型參數(shù)的丟棄以獲得多個(gè)模型的推理結(jié)果，并將輸出的相應(yīng)類別的概率值取平均以獲得這些模型的最終分類結(jié)果。最終根據(jù)植物的類別確定出植物性狀分布的范圍后，再利用其均值進(jìn)行后處理替換便得到植物30余項(xiàng)屬性的數(shù)值。
其中，ConvNeXt V2是一種新的卷積神經(jīng)網(wǎng)絡(luò)模型，通過(guò)結(jié)合自監(jiān)督學(xué)習(xí)框架并進(jìn)一步加入新的架構(gòu)改進(jìn)，在各種視覺(jué)識(shí)別任務(wù)上取得了不錯(cuò)的性能提升。 iNaturalist數(shù)據(jù)集是一種物種分類和檢測(cè)數(shù)據(jù)集，其中包括來(lái)自5,000多種不同植物和動(dòng)物物種的859,000張圖像。該數(shù)據(jù)集真實(shí)反映了現(xiàn)實(shí)自然界中不同生物類別數(shù)量的嚴(yán)重不平衡性，并且已得到多名民間科學(xué)家的驗(yàn)證。
通過(guò)以上模型設(shè)計(jì)和訓(xùn)練策略，創(chuàng)新奇智團(tuán)隊(duì)在競(jìng)賽中取得了第一名的好成績(jī)。向全球同行充分展現(xiàn)了自身在AI理論研究上的深厚積累和持續(xù)創(chuàng)新能力。未來(lái)，創(chuàng)新奇智將繼續(xù)在廣闊的人工智能領(lǐng)域進(jìn)行創(chuàng)新和探索，為今后將AI技術(shù)更廣泛地落地應(yīng)用于人工智能制造、人工智能金融等領(lǐng)域奠定了堅(jiān)實(shí)的理論基礎(chǔ)和技術(shù)儲(chǔ)備。
通過(guò)以上模型設(shè)計(jì)和訓(xùn)練策略，創(chuàng)新奇智團(tuán)隊(duì)在競(jìng)賽中取得了第一名的好成績(jī)。向全球同行充分展現(xiàn)了自身在AI理論研究上的深厚積累和持續(xù)創(chuàng)新能力。未來(lái)，創(chuàng)新奇智將繼續(xù)在廣闊的人工智能領(lǐng)域進(jìn)行創(chuàng)新和探索，為今后將AI技術(shù)更廣泛地落地應(yīng)用于人工智能制造、人工智能金融等領(lǐng)域奠定了堅(jiān)實(shí)的理論基礎(chǔ)和技術(shù)儲(chǔ)備。 
