(相關(guān)資料圖)
日前，全球計(jì)算機(jī)視覺(jué)頂級(jí)會(huì)議ECCV（European Conference on Computer Vision）公布了2022年論文接收結(jié)果。創(chuàng)新奇智提出的通過(guò)單品示例進(jìn)行基于原型的分類器學(xué)習(xí)方法被ECCV 2022接收，進(jìn)一步增強(qiáng)了創(chuàng)新奇智在AI工業(yè)視覺(jué)領(lǐng)域的技術(shù)領(lǐng)先性。
據(jù)了解，ECCV 是計(jì)算機(jī)視覺(jué)領(lǐng)域世界三大頂級(jí)會(huì)議（CVPR，ICCV，ECCV）之一，每?jī)赡昱e辦一次。ECCV 的論文投稿量近五年來(lái)持續(xù)增長(zhǎng)，根據(jù)ECCV 官方數(shù)據(jù)，2022年ECCV 收到有效投稿論文8170篇，評(píng)審?fù)ㄟ^(guò)接收1629篇，評(píng)審不通過(guò)拒稿6541篇，接收率不到20%，反映出AI視覺(jué)技術(shù)在工業(yè)界和學(xué)術(shù)界的創(chuàng)新熱情繼續(xù)高漲，但創(chuàng)新難度也在不斷加大。
創(chuàng)新奇智提交的論文為《Automatic Check-Out via Prototype-based Classifier Learning from Single-Product Exemplars》，提出一種通過(guò)單品示例進(jìn)行基于原型的分類器學(xué)習(xí)方法，在目前規(guī)模最大的物品集合視覺(jué)檢出識(shí)別數(shù)據(jù)集上的結(jié)果明顯優(yōu)于現(xiàn)有先進(jìn)方法。該方法適用于智能物品集合視覺(jué)檢出識(shí)別場(chǎng)景，可以減少實(shí)際應(yīng)用場(chǎng)景中對(duì)人工的依賴，加快物品集合檢出識(shí)別流程，并且能夠提高視覺(jué)檢出識(shí)別準(zhǔn)確率。
由于物品集合單品示例與檢出識(shí)別圖像間存在領(lǐng)域差距，單品示例中只有單個(gè)物品集合，而檢出識(shí)別圖像中是多個(gè)多類物品集合的任意組合，這是物品集合視覺(jué)檢出識(shí)別任務(wù)的一個(gè)主要挑戰(zhàn)。為了縮小這種差距，創(chuàng)新奇智提出了通過(guò)單品示例進(jìn)行基于原型的分類器學(xué)習(xí)方法。通過(guò)揭示表征類別語(yǔ)義的優(yōu)勢(shì)，首先從單品示例中獲取每個(gè)物品集合類別的原型表示，然后在原型基礎(chǔ)上，生成包含背景類別的分類器，不僅可以識(shí)別細(xì)粒度的物品類別，還可以區(qū)分來(lái)自檢出識(shí)別圖像的背景候選框。此外，還通過(guò)對(duì)物品候選框分類置信度分?jǐn)?shù)的鑒別性重排和全局層面的多標(biāo)簽損失，來(lái)提升模型性能。
與現(xiàn)有技術(shù)相比，創(chuàng)新奇智提出的方法具有顯著優(yōu)點(diǎn)：使用基于原型的分類器學(xué)習(xí)方法，對(duì)單品示例與檢出識(shí)別圖像間存在的領(lǐng)域差距進(jìn)行了彌合，提供了一種不同于現(xiàn)有方法路徑；基于背景類別的鑒別性重排方法，能夠?qū)崿F(xiàn)針對(duì)語(yǔ)義相近的細(xì)粒度物品集合類別進(jìn)行分類；與現(xiàn)有方法相比，該方法性能更佳且所需計(jì)算資源更少。
創(chuàng)新奇智CTO張發(fā)恩（本論文作者之一）指出：“創(chuàng)新奇智提出的通過(guò)單品示例進(jìn)行基于原型的分類器學(xué)習(xí)方法，可以減少實(shí)際應(yīng)用場(chǎng)景中對(duì)人工的依賴，加快物品集合檢出識(shí)別流程，并且能夠提高視覺(jué)檢出識(shí)別準(zhǔn)確率。由于物品集合單品示例與檢出識(shí)別圖像間存在領(lǐng)域差距，單品示例中只有單個(gè)物品集合，而檢出識(shí)別圖像中是多個(gè)多類物品集合的任意組合，這是物品集合視覺(jué)檢出識(shí)別任務(wù)的一個(gè)主要挑戰(zhàn)。本文提出的通過(guò)物品集合單品示例進(jìn)行基于原型的分類器學(xué)習(xí)方法，在目前規(guī)模最大的物品集合視覺(jué)檢出識(shí)別數(shù)據(jù)集上的結(jié)果明顯優(yōu)于現(xiàn)有先進(jìn)方法。”
制造業(yè)的物品檢測(cè)需求量多而復(fù)雜。傳統(tǒng)的方式不僅耗時(shí)耗力，而且檢測(cè)準(zhǔn)確率不高。創(chuàng)新奇智提出的通過(guò)單品示例實(shí)現(xiàn)對(duì)物品集合的檢測(cè)，非常適用于諸如汽車(chē)零部件、消費(fèi)電子設(shè)備等有批量產(chǎn)品檢測(cè)需求的場(chǎng)景，不僅能夠加快檢測(cè)流程，而且能提升檢測(cè)準(zhǔn)確率，為企業(yè)降本增效帶來(lái)直接助益。
【廣告】
（免責(zé)聲明：此文內(nèi)容為廣告，相關(guān)素材由廣告主提供，廣告主對(duì)本廣告內(nèi)容的真實(shí)性負(fù)責(zé)。本網(wǎng)發(fā)布目的在于傳遞更多信息，并不代表本網(wǎng)贊同其觀點(diǎn)和對(duì)其真實(shí)性負(fù)責(zé)，請(qǐng)自行核實(shí)相關(guān)內(nèi)容。廣告內(nèi)容僅供讀者參考。）
