上科大学子斩获百度之星开发者大赛二等奖

Release Time:2018-10-19Number of visits:8939

     近日,面向全球AI技术爱好者的深度学习算法竞赛——百度之星开发者大赛决赛在北京落下帷幕,来自上海科技大学的团队荣获二等奖;来自华南理工大学的团队获得一等奖;来自上海交通大学、巴塞罗那自治大学、西北工业大学、大连理工大学、南京大学、北京航空航天大学、美国加州大学河滨分校等高校的选手闯入决赛。

      此前百度已经举办了十四届百度之星程序设计大赛,百度之星开发者大赛是在百度转型为人工智能科技企业后自2017年开始在程序设计大赛的基础上新增的面向全球AI技术开发者的赛事。本次大赛设置一等奖1名,二等奖2名,三等奖3名,有超过1000多支队伍报名参赛,参赛选手覆盖来自上海交通大学、南京大学、哈尔滨工业大学、华南理工大学等国内高校的学生,还有来自西班牙、美国、英国等的海外选手。

      我校参赛队伍由五位信息学院学生——李晶(研一)、廉东泽(博一)、罗伟鑫(博二)、金磊(大四)、胡俊豪(研一)在高盛华教授的指导下组队参加。比赛从7月4日开始,分为初赛、复赛和决赛。比赛题目为人流密度估计问题。近年来,应用于监控场景的行人分析视觉技术日益受到广泛关注。包括人体检测、人体属性识别、人流密度估计等技术在内的多种视觉技术,已获得在居家、安防、新零售等多个重要领域的广泛应用。其中作用于人流密集场景的人流密度估计技术(crowd density estimation)因其远高于肉眼计数的准确率和速度,已广泛应用于机场、车站、运营车辆、艺术展馆等多种场景,一方面可有效防止拥挤踩踏、超载等隐患发生,另一方面还可帮助零售商等统计客流。参赛者需要使用Paddle Paddle框架开发出能适用于密集、稀疏、高空、车载等多种复杂场景的通用人流密度估计的算法,准确估计出输入图像中的总人数。

      上科大团队在比赛中充分分析了比赛的数据分布,提出在线生成人群密度图的数据增强方法,针对图片中人数分布极度不均衡的特点提出均衡的人群密度误差损失函数。同学们考虑到模型的最终部署,尽量地减少模型容量和计算时间,在舍弃了行人边界框标注信息的情况下,使用了基于密度图回归的人群计数算法,仍然在比赛中取得了良好的性能。该算法仅仅使用单模型就在性能上取得了第三名的优异成绩,在速度上可以做到最快,最终在决赛中斩获二等奖。

      赛后,同学们总结了经验教训,本次比赛存在准备仓促、经验不足等问题,但初次参赛有如此成绩已属难得,而成绩的获得离不开上科大针对学生的个性化培养和充足的计算资源,同时,同学们也认识到,科研工作应保持与工业界的沟通交流,既要低头拉车,也要抬头看路,这也为今后的科研工作和自身成长提供了有益实践和发展思路。



获奖团队:从左至右依次为罗伟鑫、李晶、金磊

李晶同学在答辩现场

人群密度估计原图像

人群密度估计结果图