應用

技術

物聯(lián)網(wǎng)世界 >> 物聯(lián)網(wǎng)新聞 >> 物聯(lián)網(wǎng)熱點新聞
企業(yè)注冊個人注冊登錄

全球計算機視覺大賽,英特靈達再登冠軍之巔

2024-08-27 15:22 英特靈達

導讀:繼今年6月在CVPR 2024的低光目標檢測挑戰(zhàn)賽中,英特靈達AI團隊攜手合作伙伴榮獲冠軍與季軍后,再次于2024年8月25日在計算機視覺領域頂級盛會——歐洲計算機視覺國際會議(ECCV)上大放異彩。

729f19479cf2f61414115ac1de5beacf.jpg

  繼今年6月在CVPR 2024的低光目標檢測挑戰(zhàn)賽中,英特靈達AI團隊攜手合作伙伴榮獲冠軍與季軍后,再次于2024年8月25日在計算機視覺領域頂級盛會——歐洲計算機視覺國際會議(ECCV)上大放異彩。

c4e76dac566fc1475b4c03a4357ea5c4.png


  全球頂級盛會,英特靈達AI團隊再度稱雄

     作為全球計算機視覺領域三大頂級會議之一,歐洲計算機視覺國際會議(European Conference on Computer Vision,簡稱ECCV)與CVPR、ICCV齊名,匯聚了全球最頂尖的學者與研究人員,是展示前沿科技成果的關鍵平臺。

  英特靈達 AI 團隊在語義偏移基準(Semantic Shift Benchmark, SSB)挑戰(zhàn)賽的開放集識別賽道(Open-Set Recognition Track)中一舉奪魁。該團隊憑借 AUROC 指標位列第一、FPR 指標排名第三的優(yōu)異成績,充分彰顯了公司在復雜場景圖像理解以及結構化處理方面的強大技術實力。

b8416d230b1bc4b0cfb6324fec771fab.png

  核心突破:提升模型的泛化能力

  本次挑戰(zhàn)賽的核心目標在于評估模型在開放集樣本識別中的表現(xiàn)。由于模型訓練通常依賴有限的數(shù)據(jù)集,而實際應用中需面對更廣泛的樣本,這使得開放集檢測技術在識別訓練集中未涵蓋的樣本時至關重要。英特靈達團隊與合作伙伴在CVPR 2024期間所開展的SURE研究成果(https://yutingli0606.github.io/SURE/),為此次挑戰(zhàn)賽中的卓越表現(xiàn)奠定了堅實基礎。

b661cd51930982b8fc1bd2a551cbc3c3.png

  在本次挑戰(zhàn)賽中,團隊通過在大規(guī)模數(shù)據(jù)集ImageNet上對視覺大模型進行深度訓練與測試,重點優(yōu)化了網(wǎng)絡的干擾響應平穩(wěn)性(Flat minima),顯著提升了模型的泛化能力。此外,團隊還改進了模型的預測概率與實際準確性之間的匹配度,進一步增強了模型的可靠性。

  關鍵發(fā)現(xiàn)與技術革新

  研究過程中,團隊發(fā)現(xiàn)網(wǎng)絡在處理訓練集中未涵蓋的樣本時,其激活響應顯著減弱?;谶@一發(fā)現(xiàn),團隊設計了新的開放樣本檢測量化公式,大幅提升了模型的檢測性能。最終,英特靈達團隊在AUROC和FPR兩項關鍵指標上分別取得第一和第三的優(yōu)異成績,并以總成績第一的表現(xiàn)榮獲冠軍。

  此次在ECCV 2024上的杰出表現(xiàn),充分展現(xiàn)了英特靈達在人工智能領域的技術實力和創(chuàng)新能力,為全球人工智能技術的發(fā)展注入了新的動力。展望未來,英特靈達將繼續(xù)秉持卓越追求,在人工智能領域不斷開拓創(chuàng)新,為推動行業(yè)的持續(xù)進步貢獻更多力量。