深蘭科技的征途，AI的賽場與戰(zhàn)場

在頂尖學術會議中成功“刷榜”，一直被看做是AI企業(yè)實力的絕對證明。尤其是在AI研究創(chuàng)新涌現(xiàn)、幾大頂會迎來“論文大爆炸”的背景下，學術競爭也愈加激烈，想要“出人頭地”，真不是件容易的事。

最近在全球計算機三大頂級會議之一ECCV 2020上一舉拿下8個賽事冠亞季軍大獎的深蘭科技，彰顯實力。

而且，深蘭科技也在Kaggle平臺上舉辦的ECCV挑戰(zhàn)賽Google Landmark Retrieval 2020上斬獲金牌，在計算機視覺模式識別會議CVPR2020中斬獲了12項冠亞季軍，在國際計算機視覺大會ICCV2019競賽中拿下“四冠四亞一季”的成績……各種優(yōu)異成績的井噴，顯然不是偶然。

我們知道，計算機視覺是當前人工智能學術界非常活躍的研究領域，而ICCV、CVPR、ECCV這計算機視覺方向的三大頂級會議，更是云集了谷歌、斯坦福、BAT等等科技巨頭，被中國計算機學會評為最高級別學術會議。

在這樣的“學術修羅場”能夠拿下挑戰(zhàn)賽的大滿貫、取得多個第一的戰(zhàn)績，深蘭科技的技術底蘊與含金量不容小覷。

初看結果，讀者們可能會很詫異，深蘭科技到底做了哪些創(chuàng)新，又對當下乃至未來一段時間的AI研究帶來怎樣的影響？

沿著這些問題思考，或許我們能對AI技術與產(chǎn)業(yè)邏輯，有更深一層的理解與認知。

深蘭科技的創(chuàng)新成績單

既然是硬核學術會議，自然還是成績說話。我們先來看看深蘭科技在三大頂會拿獎到手軟的各種創(chuàng)新算法，究竟都在做什么。

就以此次ECCV為例，深蘭科技獲得雙冠的GigaVision 2020挑戰(zhàn)賽，是由清華大學基于其新推出的數(shù)據(jù)集PANDA而組織的。

PANDA是全球首個十億像素級別視頻數(shù)據(jù)集，在如此大規(guī)模的數(shù)據(jù)集上完成圖像多類別目標檢測，既要保證算法能夠在目標尺度變化、擁擠遮擋的復雜情況下準確地識別出行人和車輛這兩種不同的目標，還要保證足夠高效，在十億像素級別分辨率下快速完成。

顯然，這一任務的完成，能夠對大規(guī)模現(xiàn)實場所中的行人檢測、動作識別、異常檢測等帶來技術上的飛躍，讓人臉識別、無人駕駛、監(jiān)控安防等應用結果更準、效率更高。

而針對技術上的難點，深蘭科技DeepBlueAI團隊在檢測賽道將任務解耦為多個子任務，把難點獨立出來重點解決，并根據(jù)以往檢測經(jīng)驗，通過所積累的模塊和方法，使得結果有了進一步的提升。最終以領先第二名2.6個百分點的成績強勢獲得冠軍。

在其他類目的挑戰(zhàn)賽中，深蘭科技DeepBlueAI團隊相繼完成了基于部分MSCOCO數(shù)據(jù)集來進行80個類別目標檢測的小樣本學習任務；在不使用任何預訓練模型從頭開始訓練的限制下，在ImageNet的子集上獲得最高的準確率；運用優(yōu)化數(shù)據(jù)增強方法、特征提取器、后處理等方法，對無人機視角拍攝的圖片，完成車輛、行人等目標的定位分類……

上述成績，都只是深蘭科技2020年研究成果的一部分，也是其技術積淀和底蘊的又一次佐證。

實際上，在ICCV 2019，深蘭科技就曾在VisDrone Challenge (無人機視覺挑戰(zhàn)賽)中，運用Cascade RCNN+DCN+FPN+DoublueHead檢測器，以及IOU Tracker+ KCF+Tracklet vote的跟蹤算法，來解決部分目標過小、數(shù)據(jù)分布影響預訓練效果等難題，最終以領先4個多百分點的巨大優(yōu)勢獲得兩項冠軍。

CVPR 2020的NightOwls 檢測挑戰(zhàn)賽，也為參賽者們設置了不小的難題?，F(xiàn)有的視覺檢測算法不能很好滴解決夜間場景圖片中的行人，這無疑會給無人車夜間行駛的可靠性、監(jiān)控安防的安全性能等都帶來了一定的限制。

所以NightOwls就開展了相應的比賽，而深蘭科技也順利在 “單幀行人檢測”和“多幀行人檢測”兩個賽道中拿下了冠軍。夜間行人檢測與白天行人檢測相結合，能夠打造適用于不同天氣條件、全天候的行人檢測系統(tǒng)，讓現(xiàn)實世界的出行安全更有保障。

關于深蘭科技在數(shù)個AI頂會上的創(chuàng)新表現(xiàn)，我們就不在此一一枚舉?？梢钥隙ǖ氖牵钐m科技作為中國AI企業(yè)的代表，在頂會競賽中大放異彩，不斷向全球傳達和證實著中國AI力量的實力，達到了世界領先水平。

深蘭科技的學術+產(chǎn)業(yè)“雙循環(huán)”模式

大家可能會好奇，在計算機視覺這一競爭激烈的賽道上占據(jù)技術上的多方位領先，深蘭科技到底做了些什么？

這恐怕就要從深蘭科技的業(yè)務邏輯說起了。

我們知道，2017年開始的人工智能資本熱潮，帶動了一大批AI企業(yè)的涌現(xiàn)，大致可以歸為兩類：

一種是專研算法的技術型企業(yè)。其核心資產(chǎn)是算法、數(shù)據(jù)等能力，需要引入深度學習領域的高級人才，大量投入底層算法研發(fā)與創(chuàng)新，常常需要跟谷歌、微軟、Facebook這樣的科技巨頭“搶人”。盡管投入巨大，但也正是這一類企業(yè)推動了人工智能底層技術的不斷精進，而一旦達到規(guī)模效應，就很容易占據(jù)行業(yè)領軍者的位置。

而另一種則是產(chǎn)業(yè)升級的應用型企業(yè)。商業(yè)邏輯也很清晰，就是向算法供應商購買技術，通過自己的工程師團隊將其打磨成體驗良好的成熟AI產(chǎn)品，借助自身的服務能力與銷售渠道將解決方案售賣出去。

而有意思的是，深蘭科技走出了一條獨特的路。

借用2020年十分火爆的一個關鍵詞“雙循環(huán)”來形容，深蘭科技一邊在各種AI頂會上尋求技術上的系統(tǒng)性、基礎層面的領先，一邊帶動AI技術落地應用、服務民生，開辟了一個“基礎技術+產(chǎn)業(yè)聯(lián)動”的雙循環(huán)模式。

舉個例子，前面提到深蘭科技在CVPR 2020各個挑戰(zhàn)賽中提出的多項檢測與分類算法，就被落地應用在了智能熊貓公交車等產(chǎn)品上，讓公交車自主制動和運行，為城市公共交通提供了新的選擇；乘客掃手就能上車，體驗和效率都大大提升；智能機器人還能感應駕駛員和安全員的實時狀態(tài)，最大程度地保障乘車安全；借助關鍵點檢測打造“異常行為識別系統(tǒng)”，車廂內有人摔倒、偷盜等情況都可以及時告警……

再比如，智慧城市建設中部署的許多商業(yè)化攝像機，難以在惡劣天氣下保持比較穩(wěn)定的識別準確率，給城市管理帶來了很多隱患。深蘭科技奪冠的“挑戰(zhàn)賽霧天條件下的（半）監(jiān)督目標檢測任務”，恰好就針對這類問題，讓攝像機在惡劣天氣環(huán)境或光照條件較差的情況下，依然能夠很好地完成任務，讓深蘭科技的客戶或集成其算法的企業(yè)能夠更好地使用AI。

今年春節(jié)期間，面對防疫工作中的測溫剛需，深蘭科技快速上線的AI熱感視覺行為監(jiān)控系統(tǒng)——貓頭鷹，就融合了多種世界冠軍級技術，采用了紅外熱成像技術和自主研發(fā)的機器視覺算法，深度融合紅外和可見光圖像，人們只要進入被測溫范圍就能實時測出體溫，無需停留，在防疫的同時大大方便了出行。而能如此快速地打造出服務社會的剛需產(chǎn)品，顯然離不開深蘭科技將長期的技術積累與產(chǎn)業(yè)需求深度整合的能力。

正是這種底層研發(fā)突破與產(chǎn)業(yè)標準化落地的雙重效應，讓深蘭科技在學術競賽中彰顯實力的同時，也很快將先進算法落地，借由產(chǎn)業(yè)化的規(guī)模效應實現(xiàn)商業(yè)價值，再進一步推動AI技術的進步，進入自身發(fā)展的良性循環(huán)。

行穩(wěn)致遠，未來可期

一邊是技術創(chuàng)新，一邊是應用落地，深蘭科技顯然選擇了一條更難走的道路。大部分人可能會問，有必要嗎？

比如直接售賣算法或者解決方案，深蘭科技始終堅持基礎研究和應用開發(fā)雙落地的模式，可能并不討巧，卻成為中國AI形成差異化優(yōu)勢的關鍵巨助力。

將視角放在全球技術競賽的大背景下，會發(fā)現(xiàn)中國AI依然需要在基礎研發(fā)上加速追趕。

北京智源人工智能研究院發(fā)布的《人工智能下一個十年》中就提到，在AI全領域，2009-2020年期間全AI領域被45個頂會和頂刊錄取論文數(shù)據(jù)顯示，中國學者量和論文量都約為美國的1/3，十年間美國AI論文量超出中國4萬多篇。

想要拿下全球頂尖的技術桂冠，最根本的是要提高自身的創(chuàng)新能力。從這個角度看，像深蘭科技這樣不斷向基礎研究發(fā)起沖鋒的科技企業(yè)，正在建構起中國AI未來十年的競爭“天頂”。

另一方面，如火如荼的新基建熱潮背后，要解決各行各業(yè)、不同場景下對算法精度、性能的要求，在信息化不足、數(shù)據(jù)缺失等傳統(tǒng)行業(yè)完成智能化改造，更需要領先算法來保駕護航，完成與產(chǎn)業(yè)端的深度整合。

如果說技術能力是舟，那么對產(chǎn)業(yè)應用的重視與探索就是槳，幫助AI更平穩(wěn)地駛向大海。

舟楫相配，得水而行——或許是深蘭科技帶給我們對未來最美好的想象。

生成海報

免責聲明：此文內容為第三方自媒體作者發(fā)布的觀察或評論性文章，所有文字和圖片版權歸作者所有，且僅代表作者個人觀點，與極客網(wǎng)無關。文章僅供讀者參考，并請自行核實相關內容。投訴郵箱：editor@fromgeek.com。

免責聲明：本網(wǎng)站內容主要來自原創(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)頁或鏈接內容可能涉嫌侵犯其知識產(chǎn)權或存在不實內容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。