包揽ECCV 2020双赛道冠军 深兰科技助推目标检测技术发展

　　2020年8月，全球计算机三大会议之一ECCV 2020以线上的形式正式举行，深兰科技DeepBlueAI团队包揽了GigaVision 2020挑战赛图像多类别目标检测和视频多目标双赛道冠军，有力推动了十亿级像素图像和视频的目标检测技术的发展。

　　据了解，此次深兰科技获得双冠的GigaVision 2020挑战赛，是由大学基于其新推出的数据集PANDA而组织的，PANDA是全球首个十亿像素级别视频数据集。过去十年中，行人检测、、动作识别、异常检测、属性识别等以人为中心的计算机视觉分析任务引起了人们的极大关注，为了促进新的算法来理解大规模现实世界场景中复杂的人群活动及社交行为，可将图像放大千倍的十亿级别像素目标检测，将在例如人脸识别、无人驾驶、安防和智能手机等多个领域被广泛应用。

　　GigaVision 2020挑战赛的任务为两类经典的视觉任务：图像多类别目标检测和视频多目标，任务一为行人和车辆检测，任务二则需要提取行人在视频中的轨迹。在PANDA上进行检测必须同时解决准确性和效率问题，准确性受到明显的目标尺度变化和复杂遮挡的挑战，而效率则受到十亿像素级别分辨率的极大影响。同时，巨大的同类目标尺度变化、对长时间长距离追踪的需求和行人拥挤、相互遮挡的复杂场景更带来了严峻挑战。深兰科技DeepBlueAI团队在检测赛道将任务解耦为多个子任务，把难点出来重点解决，并根据以往检测经验，通过所积累的模块和方法，使得结果有了进一步的提升。最终，第二、三名只有千分之几的分差，而DeepBlueAI团队的最好成绩领先第二名2.6个百分点，强势获得冠军。

　　据悉，除此以外，DeepBlueAI团队还在VIPrios系列赛、Visdrone系列赛中获得了2个亚军和4个季军，一举囊括8个大。值得一提的是，该团队在由谷歌于Kaggle平台上举办的ECCV挑战赛Google Landmark Retrieval 2020上也收获了一枚金牌。

　　该赛题是一个图像分类任务，难点是如何不使用任何预训练模型从头开始训练，主要目标是如何在ImageNet的子集上获得最高的准确率。

　　该赛题要求基于无人机视角拍摄的视频，进行多类别多目标任务，DeepBlueAI团队基于Tracking-by-detection的方法，逐步优化检测器、特征提取器、数据关联。

　　该赛题的数据集是部分MSCOCO数据集，赛题任务是是利用少量数据集在不使用任何预训练模型的基础上，进行80个类别的目标检测。

　　该赛题要求基于无人机视角拍摄的图片，对车辆、行人等目标进行定位分类，DeepBlueAI团队基于CascadeRCNN的方法，逐步优化数据增强方法、特征提取器、后处理等。

　　该赛题要求基于VR设备内部拍摄到的眼睛图片，将眼睛关键区域分割成巩膜，虹膜，瞳孔，参赛过程中，DeepBlueAI团队基于Unet结构，并结合了数据增强，注意力机制等方法。

　　该赛题要求参赛者对收集到的大量地标建筑物图像进行检索，DeepBlueAI团队基于Global feature、优化数据增强、特征提取网络等方法，最终取得金牌一枚。金字旁的女孩名字