VIPriors 2021图像分类赛道的任务目的是使用少量图像 ， 训练尽可能高精度的图像分类模型 。 第五名队伍使用了PyramidNet、DenseNet、ResNeSt三种模型 ， 在其基础上 ， 尝试不同的损失函数和参数；采用图像增强方法提高了模型的泛化性和鲁棒性 ， 对表现较差的类别进行单独训练 ， 添加了warm-up、使用验证数据扩充训练数据等技巧,最后采用投票法进行模型融合 ， 对所有模型进行集成 ， 有效的提高了最终的结果 。
其中 ， 2020级硕士研究生路小强、曹国金、张紫霄”组成的学生团队获得了ICCV 2021 SSLAD Challenge Track1-2D Object Detection目标检测赛道季军 。
文章图片
图/ICCV 2021 SSLAD Challenge Track1-2D Object Detection季军：路小强、曹国金、张紫霄
道路图像中的目标检测作为视觉感知系统中必不可少的模块 ， 在自动驾驶系统中至关重要 。 SSLAD 2021目标检测赛道提供1000万张未标记图像以及1万张全注释图像 ， 旨在提升自监督/半监督模型的发展 。 季军队伍提出一种简单而高效的半监督学习框架 ， 该方法首先基于集成学习的思想 ， 通过对有限标注数据的高效利用来获取一个强有力的全监督教师模型作为基准 。 其次 ， 队伍提出一种可靠的伪标签生成方法 ， 通过图像级阈值学习和预测框级阈值学习以实现源域与目标域之间的域适应 ， 从而获取高质量的伪标签 。 最后通过自训练获得一个鲁棒性与准确性兼具的学生模型用以最终预测 。
2020级硕士研究生冯若贤、王梦娇、张轩铭组成的学生团队获得了ICCV 2021 SSLAD Challenge Track1-2D Object Detection目标检测赛道第四名 。
文章图片
图/ICCV 2021 SSLAD Challenge Track1-2D Object Detection目标检测赛道第四名：冯若贤、王梦娇、张轩铭
团队采用了基于YoloV5以及YoloV4的目标检测网络完成目标检测任务 。 同时使用后置的SENet分类模块对目标检测的结果进行修正 。 针对输入数据的类别不平衡问题 ， 团队采用实例平衡增强的方法对原数据集进行采样并对采样结果随机进行包括高斯噪声 ， grid ， 小目标cut out等在内的多种数据增强 。 最后 ， 对得到的6个结果使用WBF进行了融合 。
2020级硕士研究生刘昕煜、王语涵组成的学生队伍获得了ICCV 2021 Video-And-Language Understanding Evaluation (VALUE) Challenge视频问答任务的第5名 。
文章图片
图/ICCV 2021 Video-And-Language Understanding Evaluation (VALUE) Challenge视频问答任务第5名：刘昕煜、王语涵
推荐阅读
- IT|95306铁路货运电子商务平台升级上线 可24小时办理货运业务
- 手机|【直播纪要】VR/MR会吹响消费电子反攻的号角吗？| 见智研究
- 电子商务|美容贷“抹黑”征信 谁来负责？
- 电子商务|员工抱怨亚马逊太冷酷：工伤后得不到赔偿 还不让休假
- 领域|上海市电子信息产业“十四五”规划：以集成电路为核心先导
- 电子商务|国际品牌崛起 亚马逊在全球购物应用安装量中下滑至第四位
- Samsung|三星：西安半导体工厂正常运行 已进行封闭管理
- 硬件|西安疫情波及全球芯片供应链 美光三星英伟达都受牵连
- 最新消息|美光西安DRAM工厂遭受影响：预计将出现供货延误
- 中国电子|国产电脑+国产系统：龙芯 3A 5000 运行统信 UOS 上机演示