模式识别国家重点实验室图像与视频分析团队王金桥研究员和张一帆副研究员在"AI Challenger 2018全球AI挑战赛"年度总决赛中，从来自81个国家、1100所高校、990家公司的上万支参赛团队中脱颖而出、分别斩获"无人驾驶视觉感知"赛道冠军、"短视频实时分类"赛道亚军！

 
图1：创新工厂场董事长兼CEO李开复为AI Challenger 2018全球AI挑战赛”无人驾驶视觉感知竞赛“冠军团队颁奖（左起朱优松、赵旭、李开复、王金桥和朱炳科）

无人驾驶视觉感知竞赛要求在自动驾驶过程中，采用同一个模型进行多任务的学习，同时解决“目标检测”和”可行驶区域分割“两大问题。这不仅需要基于视觉传感器判断周围的障碍物，同时需要根据交通规则找出可行驶区域。在工业落地场景中，还需要在模型的准确率和硬件资源中做出权衡。由于资源有限，很多时候无法同时使用多个模型。SeeLess团队采用多任务耦合协同学习的神经网络架构，针对GPU平台，设计了轻量级的神经网络结构，采用了包括算子GPU并行、模型并行、数据并行、AutoML模型调优、自动裁剪、自动量化、流水线处理、CPU-GPU并发处理等大量的工程优化策略来对算法的实现过程进行改进，最终在原始算法版本上有超过200%的效率提升。算法在GPU上的部署，正是基于团队经过多年积累，所打造的跨平台神经网络高性能推理引擎MNIE进行的，实现了算法与工程优化的完美结合。团队最终成绩4.3766，第二名1.0923，最终得分是第二名成绩的四倍！

 
图2：无人驾驶视觉感知竞赛排名

在"短视频实时分类"赛道中，自动化所张一帆副研究员指导的CASIA-AIRIA团队构建的模型在所有参赛队伍中精度最高，最终归一化的结果得分与第一名仅相差4%，领先第三名近30%，顺利获得该赛道亚军！

 
图3：短视频实时分类竞赛排名

 
图4：CASIA-AIRIA团队合影

本次短视频实时分类比赛所使用的数据库是业界首个大规模短视频数据集，包含63个分类，20万个短视频，数据来源于手机拍摄的日常生活，类别多样且难以识别。竞赛综合考虑了"算法准确率"与"算法速度"两个方面，更贴合实际情况与工业界的要求，但同时也带来了更大的挑战。团队从不同角度对模型及算法提出了创新性改进思路，大赛计算机视觉方向评委、IAPR Fellow、飞步科技CEO何晓飞评价其达到业界前沿水平。

“AI Challenger 全球AI挑战赛”是国内规模最大的科研数据集平台、最大非商业化竞赛平台，最关注前沿科研与产业实践相结合的数据集和竞赛平台，也是2018年度中国超高水准的AI竞赛。本次大赛于2018年8月29日正式启动，上万支团队参赛、覆盖81个国家、1100所高校、990家公司。竞赛结果有力的证明了，Seeless团队毫无疑问是上万名参赛者中的佼佼者，充分的展示了其在“无人驾驶视觉感知”领域的深厚积累及领先水平。

 
图5：AI Challenger当前全球影响力