华为云垃圾分类AI大赛结果揭晓 看冠亚军如何临“圾”应变

　　9月20日 历时近两个月的华为云人工智能大赛·垃圾分类挑战杯落下帷幕 冠亚季军名单正式揭晓 并在2019华为全联接大会现场举办了颁奖仪式。

华为云人工智能大赛·垃圾分类挑战杯决赛颁奖现场

　　20日上午决赛答辩现场 来自新加坡南洋理工大学 中国科学院大学 西安交通大学 中山大学 东北财经大学 华南理工大学等高校 企业的决赛11强悉数登场。专家评委从图像分类模型构建角度对选手展开提问考核 最终根据模型准确率及现场答辩成绩进行综合排名 最终决出冠亚季军。

　　　　本次华为云人工智能大赛·垃圾分类挑战杯 旨在运用人工智能为垃圾分类乃至千行百业带来更多可能性。现实生活中 垃圾形态 拍照时角度 光线 背景等差异 往往使得AI训练集的数据难以识别垃圾的庐山真面目。因此 在比赛过程中 参赛选手需要克服并解决这些难题 从而构建出能准确识别垃圾的模型。

　　华为云为广大参赛者提供了一站式AI开发管理平台ModelArts 帮忙训练基于深度学习技术的图像分类模型 实现对垃圾图片类别的精准识别 使能智慧城市生活。

　　“快速上手” “易学易用” 全链条开发获好评

　　获得本次大赛冠军的团队“千年等一回”队长曾兆阳介绍道 为了解决垃圾种类繁多且需要在运行的过程中不断增加数据和类别的特性等问题 “千年等一回”的解决方案同时考虑了深度卷积网络特征的鲁棒性和图像检索算法的扩展性。

　　“千年等一回”队员王锴表示 由于本次比赛的模型均部署在华为云ModelArts上进行统一测试 规则上便避免了测试漏洞。另外 在ModelArts的帮助下 参赛选手还开发了小程序来让家人朋友参与到垃圾分类的Demo测试中 大赛的互动性和趣味性瞬间强化。队员杨剑飞则对垃圾分类算法的落地提出了展望 他表示 目前垃圾分类算法尚存在问题 例如缺乏大规模的垃圾数据集 垃圾图片中存在多种垃圾的混合影响 深度学习网络对从未见过的样本出现预测偏差等。基于以上问题 Active Learning的标注和基于Zero-Shot Learning的推测系统有望成为关键。借此 他希望行业能以华为云人工智能大赛·垃圾分类挑战杯为起点 研究者 工程师共同优化垃圾分类项目 为社会作出贡献。

大赛冠军团队“千年等一回”

　　大赛亚军——东北财经大学管理科学与工程学院的YY团队指导老师高明副教授表示 “参加这场大赛不但可以了解其他院校 企业在人才培养 技术积累方面的真实水平 还能真正地了解行业的需求 从而促进高校的科研与人才培养工作。实际上 比赛中需要克服垃圾数据量小 类别不平衡 垃圾位置分布不均等现实挑战 团队也得以在真实场景测试和改进像素注意力 Augment+等原创科研成果 未来我们希望能更多地做一些完全自主的源头创新 如通用的网络架构和预训练模型等。通过华为云一站式AI开发管理平台ModelArts快速 轻量 低成本地支持离线式(作业提交)或在线交互式(Notebook)深度学习模型开发 训练与调试等特性 团队在自行积累代码的基础上 仅需配置pip的标准安装需求列表 十几行数据同步的脚本 就能够实现本地与云端的相同运行环境。总的来说 ModelArts相比其他开发平台 具有配置简单 快速上手等优点 借助于该平台 YY团队得以在有限的硬件条件下快速迭代 验证想法。”

大赛亚军团队“东北财经大学管科学院YY”

　　大赛亚军 在算法落地及工程化方面有着丰富经验的“AI成长社”团队也分享了参赛体验。他们表示 ModelArts支持现在所有的主流深度学习框架 开发者可以直接通过pip安装各种扩展包 并支持多GPU训练;平台易学易用 加速比赛算法的验证。在接触的众多开发平台中 ModelArts可以说是切实简化开发者工作的优质AI开发平台 从数据处理 数据分析 模型构建 模型优化到模型部署等全链条开发环节 ModelArts的响应速度都极快。

大赛亚军团队“AI成长社”

　　AI开发任重道远 应用前景广阔

　　华为云ModelArts在垃圾分类的应用 只是其行业实践的一个缩影 医疗 建筑等行业都在通过ModelArts实现AI落地 加速智能化。

　　伴随着人工智能进入发展“快车道” 华为云也在不断推出创新的AI产品与解决方案。今年华为全联接大会期间 华为云EI服务产品部总经理贾永利重磅发布了全面升级的ModelArts2.0 包含智能数据筛选 智能数据标注 智能数据分析 多元模型自动搜索 ModelArts SDK 图神经网络 强化学习 模型评估/诊断 模型压缩/转换 自动难例发现 在线学习等十余项新特性及服务 将以全流程的极简和自动化颠覆传统AI开发模式。

　　目前 华为云ModelArts-Lab AI实战营系列活动正在开展中。基于AI开发者利器ModelArts ModelArts-Lab AI实战营系列活动包括图像分割 姿态识别 活体识别 NLP等领域的系统化实战计划 能够有效帮助开发者们get人工智能实战技能 全流程AI模型开发及应用实战要义。