问耕 发自 凹非寺
量子位 出品 | 公众号 QbitAI
中国团队又带来全面获胜的好消息。
备受瞩目COCO+Mapillary 2018物体识别联合挑战赛上,中国团队完成“屠榜”:包揽全部六项赛事的第一名,其中旷视团队获得4项冠军,商汤、北邮和滴滴团队分别获得1项冠军。(包括一项并列第一)
据介绍,COCO+Mapillary是当前物体识别领域最为权威、最具标杆作用的数据集之一,也是继ImageNet之后最有影响力的竞赛平台之一。
官方公布的成绩如下。
旷视(Team Face++)四项冠军:
COCO Detection(并列)
COCO Panoptic
COCO Keypoints
Mapillary Panoptic
商汤和香港中文大学联合实验室(Team MMDet)一项冠军:
COCO Detection(并列)
北邮模式识别与智能视觉实验室(Team BUTP-PRIV)一项冠军:
DensePose
滴滴(Team DiDi Map Vision)团队一项冠军:
Mapillary Detection
此外,微软亚洲研究院、北大360联合团队也分别获得一项赛事的亚军。去年,旷视团队在COCO挑战赛中,曾一举拿下3个第一以及1个亚军。
这份成绩单,隐藏在一个Workshop的列表中:
以及,商汤和旷视的并列第一成绩详情如下,MMDet团队的AP平均分略高大约0.1%。
COCO+Mapillary简介
COCO 2018联合挑战赛的本意是在场景理解的前提之下研究物体识别,这次COCO挑战赛包括:
1)Instance Segmentation(实例分割)
2)Panotic Segmentation(全景分割)
3)Keypoints(人体关键点检测)
4)DensePose(人体密集姿态估计)
Mapillary挑战赛项目:
1)Instance Segmentation(实例分割)
2)Panotic Segmentation(全景分割)。
尽管COCO和Mapillary共同聚焦在视觉识别的一般问题之上,但是具体的每项任务在相应数据集的加持下还是对问题的不同维度做了新探索。
其中,COCO今年的挑战赛今年新增了一项全景分割(Panoptic Segmentation)任务。
“全景分割”是Facebook今年年初提出的一种计算机视觉任务,把原来的实例分割(Instance Segmentation,检测物体实例并分割出来) 和语义分割(Semantic Segmentation,为每个像素分配语义标签)统一起来,要求为图片里的每一个像素,既分配语义标签,又分配实例ID。
△ 三者的区别
详见论文:Panoptic Segmentation
这种新任务的评价指标叫做全景质量(panoptic quality),简称PQ。
而其他三项任务,和去年基本相同。
— 完 —
活动推荐

加入社群
量子位AI社群28群开始招募啦,欢迎对AI感兴趣的同学,在量子位公众号(QbitAI)对话界面回复关键字“交流群”,获取入群方式;
此外,量子位专业细分群(自动驾驶、CV、NLP、机器学习等)正在招募,面向正在从事相关领域的工程师及研究人员。
进专业群请在量子位公众号(QbitAI)对话界面回复关键字“专业群”,获取入群方式。(专业群审核较严,敬请谅解)
诚挚招聘
量子位正在招募编辑/记者,工作地点在北京中关村。期待有才气、有热情的同学加入我们!相关细节,请在量子位公众号(QbitAI)对话界面,回复“招聘”两个字。

量子位 QbitAI · 头条号签约作者
վ'ᴗ' ի 追踪AI技术和产品新动态