訂閱
糾錯(cuò)
加入自媒體

CVPR2020 | 深蘭科技斬獲4項(xiàng)競(jìng)賽冠軍、總共12個(gè)獎(jiǎng)項(xiàng)

3、NTIRE 2020 :Perceptual Extreme Super-Resolution Challenge PSNR冠軍

圖像超分辨率是一項(xiàng)關(guān)鍵的計(jì)算機(jī)視覺任務(wù),其目的是恢復(fù)低分辨的圖像內(nèi)容,填充丟失的信息,以實(shí)現(xiàn)獲得一張高清的大分辨率圖像。團(tuán)隊(duì)主要關(guān)注PSNR指標(biāo),在PSNR指標(biāo)上,團(tuán)隊(duì)取得第一名的成績(jī),并且超越了去年的冠軍方案。

難點(diǎn):

本次賽題對(duì)單張圖像以及極端超分辨率提出了挑戰(zhàn),即基于一組的低分辨率和相應(yīng)的高分辨率圖像,以x16的放大因子對(duì)輸入圖像進(jìn)行超分辨率(提高分辨率)。

應(yīng)用場(chǎng)景:圖像復(fù)原

4、Plant Pathology 2020 - FGVC7 亞軍

本賽題旨在通過計(jì)算機(jī)視覺的方法,解決以下問題:

1)準(zhǔn)確地判斷葉片是否健康

2)對(duì)于不健康的葉片,判斷其疾病的類別,有時(shí)一個(gè)葉片可能有多種疾病

難點(diǎn):

1)數(shù)據(jù)集中涵蓋了不同的葉片的角度、光照、形狀、葉片年齡,數(shù)據(jù)相對(duì)復(fù)雜,對(duì)模型效果影響較大;

2)數(shù)據(jù)集中的疾病包含一些罕見的疾病,和一些新的癥狀,對(duì)模型提出新的挑戰(zhàn)。

應(yīng)用場(chǎng)景:農(nóng)業(yè)病蟲害分類

5、iMet Collection 2020 - FGVC7 亞軍

本賽題需要將紐約大都會(huì)藝術(shù)博物館中超過20萬(wàn)件藏品的數(shù)字化圖像進(jìn)行細(xì)粒度分類。

難點(diǎn):

1)數(shù)據(jù)集總類別數(shù)比較多,超過3000個(gè)類別

2)圖片尺度分布差異比較大

應(yīng)用場(chǎng)景:博物館、圖書館等館藏分類及搜索

6、BDD100K Multiple Object Tracking Challenge 亞軍

BDD100K是CVPR2020 Autonomous Driving WorkShop的一部分,是在最多樣化的駕駛條件下的大規(guī)模跟蹤挑戰(zhàn)任務(wù)。

難點(diǎn):

需要參賽者預(yù)測(cè)出視頻中物體在時(shí)間維度上的關(guān)聯(lián),主辦方提供了2000個(gè)40秒在一天中的不同天氣條件下的完整注釋序列,數(shù)據(jù)集提供了具有復(fù)雜遮擋和消失物體重新出現(xiàn)的多種駕駛場(chǎng)景,需要為開發(fā)的MOT算法在真實(shí)場(chǎng)景中的可靠性提供了一個(gè)很好的測(cè)試場(chǎng)景。

應(yīng)用場(chǎng)景:自動(dòng)駕駛,Domain Adaption方向

7、Pixel SkelNetOn 季軍

像素骨架提取分析能對(duì)不同目標(biāo)的二值化掩碼進(jìn)行細(xì)化,克服傳統(tǒng)方法人工設(shè)置參數(shù)的不便。

難點(diǎn):

如何從少量樣本中準(zhǔn)確提取不同形狀的的骨架,存在一定的挑戰(zhàn)性。

應(yīng)用場(chǎng)景:圖像細(xì)化

8、DeepFashion2 -- Track 2 Clothes Retrieval 季軍

由于在產(chǎn)業(yè)中的巨大潛力,時(shí)尚圖像檢索成為了活躍的研究課題。

難點(diǎn):

DeepFashion2數(shù)據(jù)集包含 49.1 萬(wàn)張圖像,13 種流行的服飾類別,擁有最豐富的任務(wù)定義和最大數(shù)量的標(biāo)簽,由于巨大的變形、遮擋,以及消費(fèi)者和商業(yè)圖像之間存在的服裝域的差異,如何進(jìn)行準(zhǔn)確的服裝搜索是一個(gè)大的挑戰(zhàn)。

應(yīng)用場(chǎng)景:電商平臺(tái)服飾檢索功能

9、LIP--Track 3 Image-based Multi-pose Virtual Try-on Challenge 季軍

此任務(wù)針對(duì)基于圖像的多姿勢(shì)虛擬試穿。要求給定輸入的人圖像,以及期望的服裝圖像和人體姿態(tài),要求參與者設(shè)計(jì)算法以將期望的服裝轉(zhuǎn)移到人圖像并操縱人的姿勢(shì)。

難點(diǎn):

1)多姿態(tài)虛擬試穿,以往會(huì)有相關(guān)算法要求固定輸入圖片的姿勢(shì),而此賽道姿勢(shì)各異,不僅要考慮到服裝因素,還需考慮姿態(tài)因素。

2)生成算法較難收斂,容易導(dǎo)致loss爆炸。

應(yīng)用場(chǎng)景:服飾行業(yè)的虛擬試穿

10、iMaterialist (Fashion) 2020 at FGVC7 季軍

本賽題通過時(shí)裝界和計(jì)算機(jī)視覺界的聯(lián)合,引入一個(gè)新的細(xì)粒度分割任務(wù)。提出的任務(wù)將服裝屬性的分類和服裝部件分割統(tǒng)一起來,這是邁向?qū)嶋H應(yīng)用的重要一步。

難點(diǎn):

服裝視覺分析需要能夠從圖片中識(shí)別服裝產(chǎn)品及其相關(guān)屬性,讓設(shè)計(jì)師了解人們喜歡什么樣的產(chǎn)品及服裝搭配,提高時(shí)尚專業(yè)人士的工作效率,進(jìn)一步可以增強(qiáng)消費(fèi)者的購(gòu)物體驗(yàn)。

應(yīng)用場(chǎng)景:服裝輔助設(shè)計(jì)領(lǐng)域

<上一頁(yè)  1  2  
聲明: 本文由入駐維科號(hào)的作者撰寫,觀點(diǎn)僅代表作者本人,不代表OFweek立場(chǎng)。如有侵權(quán)或其他問題,請(qǐng)聯(lián)系舉報(bào)。

發(fā)表評(píng)論

0條評(píng)論,0人參與

請(qǐng)輸入評(píng)論內(nèi)容...

請(qǐng)輸入評(píng)論/評(píng)論長(zhǎng)度6~500個(gè)字

您提交的評(píng)論過于頻繁,請(qǐng)輸入驗(yàn)證碼繼續(xù)

  • 看不清,點(diǎn)擊換一張  刷新

暫無(wú)評(píng)論

暫無(wú)評(píng)論

人工智能 獵頭職位 更多
掃碼關(guān)注公眾號(hào)
OFweek人工智能網(wǎng)
獲取更多精彩內(nèi)容
文章糾錯(cuò)
x
*文字標(biāo)題:
*糾錯(cuò)內(nèi)容:
聯(lián)系郵箱:
*驗(yàn) 證 碼:

粵公網(wǎng)安備 44030502002758號(hào)