近日，國際計算機視覺領(lǐng)域頂級會議ICCV 2021舉辦的VIPriors挑戰(zhàn)賽落下帷幕，賽事聚焦前沿的AI神經(jīng)網(wǎng)絡(luò)學習等問題展開，試圖探索在少量訓練樣本情況下，如何提升AI模型學習效率。隨著神經(jīng)網(wǎng)絡(luò)和視覺轉(zhuǎn)換器的發(fā)展，給海量數(shù)據(jù)打標，已成為打造智能AI的基礎(chǔ)，但對數(shù)據(jù)的收集和打標都需要高昂的成本，尤其是對海量的數(shù)據(jù)進行訓練會消耗大量的計算資源，還會大幅增加“碳排放”。
來自清華大學、復旦大學、北京郵電大學以及南洋理工大學、中佛羅里達等國內(nèi)外知名高校和阿里巴巴、?？低?、字節(jié)跳動、網(wǎng)易、松下電器等國內(nèi)外研究AI技術(shù)的知名企業(yè)一同參賽。
最終，阿里安全團隊通過“數(shù)據(jù)增強”“動態(tài)網(wǎng)絡(luò)結(jié)構(gòu)”“偽標簽方法”等方式結(jié)合解題，贏得了圖像分類賽道和工業(yè)檢測賽道的雙料冠軍。阿里團隊通過該方法，不僅降低了超過30%的AI模型算力成本，實現(xiàn)更低碳的AI計算，同時還提升了檢測模型的檢測精度。
參賽選手阿里安全算法工程師慧明介紹，工業(yè)檢測賽道要求參賽者利用AI在1萬輛涉及多種型號的破損自行車中，定位到每輛自行車丟失的零部件，按每輛自行車標注22個關(guān)鍵零部件來算，1萬輛意味著總計有22萬個零部件的檢測量。
“主辦方要求不能使用任何額外數(shù)據(jù)訓練AI算法模型，只能用這1萬張標注的自行車圖訓練出一個檢測性能最好的AI。”慧明表示，這對現(xiàn)實應用中，AI模型遇到不同的問題場景或新風險，具有非常強的少樣本訓練實踐參考意義。
圖說：ICCV2021 VIPriors使用的部分自行車賽題圖片
最終，阿里安全算法專家們精心設(shè)計的檢測算法模型以均值平均準確率30.4%的成績獲得工業(yè)檢測賽道冠軍?；勖鹘榻B稱，該新一代安全架構(gòu)核心AI技術(shù)已應用在阿里的圖片安全業(yè)務場景，并進行了商業(yè)化輸出，幫助更多用戶規(guī)避多變的內(nèi)容風險。在“圖像分類”賽道上，阿里安全設(shè)計的動態(tài)網(wǎng)絡(luò)技術(shù)則實現(xiàn)了在少量樣本且不需要預訓練模型的前提下，提升了模型效果，這一“分類AI”也已經(jīng)投入使用，幫助阿里多個業(yè)務線節(jié)約超過30%的成本。
上述技術(shù)對解決工業(yè)檢測問題也有廣闊想象空間，比如列車零部件缺失檢測。為保障列車運行安全，檢測工人依靠熟練的經(jīng)驗來檢查列車的零部件是否缺失，但人力終究有限，遺漏的可能性很高，未來有望通過AI算法實現(xiàn)排查檢測。
阿里安全人工智能治理與可持續(xù)發(fā)展實驗室（AAIG）資深算法專家薛暉表示，AI等技術(shù)創(chuàng)新在保障網(wǎng)絡(luò)安全和工業(yè)安全上有很大的想象空間。每一次學術(shù)界和工業(yè)界的攜手試煉，是對未來依靠科技進步解決更多關(guān)系國計民生問題的開墾。
（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。 ）
