搜狗獲Cityscapes評測世界冠軍，多項指標刷新世界紀錄

近日，來自搜狗公司的視覺研究團隊，在國際自動駕駛領(lǐng)域權(quán)威評測集Cityscapes上獲得實例分割評測的第?名，擊敗了Nvidia、Facebook、商湯等幾十支強勁的國際科研機構(gòu)，并一舉刷新了世界記錄，代表中國向全世界彰顯了我們出色的技術(shù)實力。

這是今年搜狗繼CVPR大會上奪得WAD自動駕駛識別挑戰(zhàn)賽冠軍之后，所摘得的又一桂冠。短期內(nèi)連奪兩項世界冠軍，充分證明了搜狗在計算機視覺上已經(jīng)位列行業(yè)領(lǐng)先地位。

Cityscapes評測數(shù)據(jù)集是什么？

眾所周知，人工智能技術(shù)在自動駕駛領(lǐng)域有著非常廣闊的市場空間，也是最被人們所看好的一大應(yīng)用前景。而如何決定AI判斷識別路況信息的理解能力，就取決于它的評測數(shù)據(jù)集水準。

Cityscapes評測數(shù)據(jù)集在2015年由奔馳公司推動發(fā)布，是目前公認的自動駕駛領(lǐng)域內(nèi)最具權(quán)威性和專業(yè)性的圖像語義分割評測集之一，其關(guān)注真實場景下的城區(qū)道路環(huán)境理解，任務(wù)難度更?，且更貼近于自動駕駛等熱門需求。在Cityscapes評測數(shù)據(jù)集之中，共分為像素分割和實例分割兩個子任務(wù)，其中相較于像素分割，實例分割的難度要更大，也是計算機視覺領(lǐng)域最重要、最具挑戰(zhàn)的任務(wù)之一。

如何讓機器變得更加“聰明”，具備足夠的學習能力，是所有人工智能研發(fā)時的最大難題，更是國內(nèi)外科技企業(yè)爭相研究的自動駕駛技術(shù)。能夠在Cityscapes評測數(shù)據(jù)集中脫穎而出，打破世界紀錄，意味著搜狗已經(jīng)具備了強大的AI技術(shù)硬實力。

實例分割，自動駕駛的曙光已現(xiàn)

實例分割是一個很綜合的問題，融合了目標檢測、圖像分割、圖像分類等多種AI技術(shù)。顧名思義，像素級別的語義分割，是對圖像中的每個像素都劃分出對應(yīng)的類別，即實現(xiàn)像素級別的分類;?分類的具體對象，即為實例。那么實例分割不僅要進行像素級別的分類，還需要在具體的類別基礎(chǔ)上區(qū)別開不同的實例。實例分割對自駕汽車、機器人、視頻監(jiān)控等領(lǐng)域，都有著舉足輕重的重要價值，獲得全世界科學研發(fā)界的密切關(guān)注。

Cityscapes評測集包含50個城市不同情況下的街景，以及30類物體標注。此次搜狗參加的實例場景圖像語義分割評測，類別對象多、場景復雜，挑戰(zhàn)難度非常大。面對復雜的實例環(huán)境，搜狗所展示的技術(shù)十分巧妙。

過去，我們常常會把AI的關(guān)注點放在單一的車道上，而實際的路況信息乃是十分復雜且多變的，必須要求駕駛員有足夠的“眼觀六路耳聽八方”的能力，用縱覽全局的目光來觀察整個路況?；谶@個原因，搜狗通過引?全局編碼模塊，來顯著提升了全局信息在實例分割中的影響。全局編碼模塊可以很好地捕獲圖像中的語義信息，并選擇性地突出顯示與實例相關(guān)聯(lián)的特征映射，從而提升準確率。

另一方面，在訓練過程中如果只是簡單地引?每個像素的分割損失，而不是著重使?場景的全局上下?信息，會導致嚴重的類間不平衡問題。針對這一現(xiàn)狀，搜狗引入了一種全局實例例編碼損失函數(shù)GIE-loss。這種損失函數(shù)會預測場景中出現(xiàn)的實例類別，來加強網(wǎng)絡(luò)學習全局語義信息的能?。不像傳統(tǒng)的針對每個像素的損失函數(shù)，GIE-loss對每個物體，不管?大?小都是同等對待的，在使用這個損失函數(shù)后，?物體的分割效果明顯變好。

(對比圖1)

(對比圖2)

(對比圖3)

通過上面的結(jié)果對比圖，我們可以清晰的看出全局編碼模塊的引?，徹底改變了實例分割傳統(tǒng)算法中遠近物體不能兼顧的缺點，近處物體可以識別的很好，遠處小物體的分割效果也提升了非常多，使得最終的AP100指標遠超其他隊伍。

截至目前，Cityscapes評測吸引了近百支隊伍參賽，包括Facebook、香港中?大學、商湯和NVIDIA(英偉達)等眾多國內(nèi)外優(yōu)秀創(chuàng)新企業(yè)和頂尖學術(shù)機構(gòu)參加。值得一提的是，在過去的近兩年時間里，商湯、港中文團隊與NVIDIA(英偉達)幾乎包攬了所有圖像分割評測的冠軍。而首次參賽的搜狗團隊，各項評測指標均遠超其他隊伍，打破了世界紀錄，以無可爭議的成績拿下了第一名。

搜狗視覺研究團隊通過不斷地算法積累和迭代，建立了一套高效易用的通用檢測分割框架，可以針對任務(wù)快速遷移算法模型，達到實際應(yīng)用需求。CVPR2018 WAD檢測任務(wù)和本次實例分割任務(wù)所用模型基本一致，驗證了模型的高效易用性。同時團隊最近也做了一些簡單的實驗， 在少量代碼改動的情況下，僅僅訓練幾個小時，便可以在一些著名的評測數(shù)據(jù)集上達到top的成績。

聚焦“自然交互+知識計算”，將成就搜狗人工智能的未來之路

人工智能的命題范圍很大，而搜狗選擇的突破口很小。以點帶面，正是王小川為搜狗所規(guī)劃的未來道路。

一直以來，搜狗都在堅持著“自然交互+知識計算”的人工智能核心戰(zhàn)略，專注于自然交互領(lǐng)域展開發(fā)力。在語音領(lǐng)域，擁有充足真實語料數(shù)據(jù)優(yōu)勢的搜狗，把語音識別與人機對話相結(jié)合，發(fā)布了知音引擎，并推出了全球首款商用AI同傳。除了單獨的語音識別“聽的能力”之外，搜狗還向著合成方向的“說的能力”展開突破，能夠自動學習的AI機器兼具了聽、說、翻譯等多種能力，位居業(yè)界領(lǐng)先地位。多模態(tài)輸入，已成為了搜狗語音交互的研發(fā)重心。

而在視覺領(lǐng)域，搜狗也實現(xiàn)了AI技術(shù)的不斷突破，讓機器的自然交互變得更加全面。2017年烏鎮(zhèn)互聯(lián)網(wǎng)大會上，搜狗發(fā)布了行業(yè)首款唇語識別技術(shù)，實現(xiàn)了視覺與聽覺的首次結(jié)合，幫助機器以更加多元化的維度來理解用戶的訴求。在車載、智能家居等垂直場景下，準確率高達90%。本次在Cityscapes的實例場景圖像語義分割評測中大獲全勝，更是體現(xiàn)了搜狗對于視覺識別的技術(shù)積累，幫助機器進一步提升各項感知能力的交互水準。

連續(xù)獲得多項國際比賽冠軍的搜狗，已經(jīng)證明了自己在人工智能領(lǐng)域的充足技術(shù)底蘊。我們有理由相信，在未來的AI賽道上，占據(jù)領(lǐng)先優(yōu)勢的搜狗一定能取得更加出色的成績，用實際的AI產(chǎn)品來切身改善用戶的交互體驗。

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。