文章图片

图/2021 VIPriors Action Recognition Challenge亚军：高子涵、马天植
VIPriors研讨会的重点是如何用通用的视觉归纳先天性知识结构来预置深度网络 ， 这就可以将来之不易的现有通用知识纳入其中 。 亚军队伍最终使用的是基于多模型动态融合的视频动作识别方法 ， 使用动态加权软投票的方式合并模型 ， 融合了Video Swin Transformer, SlowFast, TIN等7个模型和弱分类器 。 同时采用了多种数据增强方式 ， 如多尺度随机裁剪 ， 高斯模糊 ， 测试时增强(TTA) ， 更换了多种损失函数以提高最终得分 。
2021级硕士研究生王佳豪、王浩、陈翼飞组成的学生团队获得了ICCV 2021 VIPriors Image Classification Challenge图像分类赛道亚军 。

文章图片

图/2021 VIPriors Image Classification Challenge亚军：王佳豪、王浩、陈翼飞
VIPriors 2021 图像分类赛道的主要任务是在小样本的分类数据集上获得最高的Top-1准确率 。 亚军获奖队伍采用resnest101 ， rexnet200等多个backbone网络将训练集和验证集融合进行训练 ， 然后将所有结果进行加权软投票进行集成 ， 最后在不同软投票结果的基础上继续硬投票进一步提高准确率 。 除此之外 ， 针对准确率低的类别使用团队提出的新loss进行针对性训练 ， 而后将之前二次融合的结果反向覆盖到针对性训练的结果上 ， 准确率得到进一步提高 。
2021级硕士研究生何文鑫、刘畅、宋欣燃组成的学生团队以第五名的成绩入榜 Image Classification Challenge赛道 。

文章图片

图/2021 VIPriors Image Classification Challenge第五名：何文鑫、刘畅、宋欣燃
VIPriors 2021图像分类赛道的任务目的是使用少量图像 ， 训练尽可能高精度的图像分类模型 。 第五名队伍使用了PyramidNet、DenseNet、ResNeSt三种模型 ， 在其基础上 ， 尝试不同的损失函数和参数；采用图像增强方法提高了模型的泛化性和鲁棒性 ， 对表现较差的类别进行单独训练 ， 添加了warm-up、使用验证数据扩充训练数据等技巧,最后采用投票法进行模型融合 ， 对所有模型进行集成 ， 有效的提高了最终的结果 。
其中 ， 2020级硕士研究生路小强、曹国金、张紫霄”组成的学生团队获得了ICCV 2021 SSLAD Challenge Track1-2D Object Detection目标检测赛道季军 。

文章图片

图/ICCV 2021 SSLAD Challenge Track1-2D Object Detection季军：路小强、曹国金、张紫霄
道路图像中的目标检测作为视觉感知系统中必不可少的模块 ， 在自动驾驶系统中至关重要 。 SSLAD 2021目标检测赛道提供1000万张未标记图像以及1万张全注释图像 ， 旨在提升自监督/半监督模型的发展 。 季军队伍提出一种简单而高效的半监督学习框架 ， 该方法首先基于集成学习的思想 ， 通过对有限标注数据的高效利用来获取一个强有力的全监督教师模型作为基准 。 其次 ， 队伍提出一种可靠的伪标签生成方法 ， 通过图像级阈值学习和预测框级阈值学习以实现源域与目标域之间的域适应 ， 从而获取高质量的伪标签 。 最后通过自训练获得一个鲁棒性与准确性兼具的学生模型用以最终预测 。
2020级硕士研究生冯若贤、王梦娇、张轩铭组成的学生团队获得了ICCV 2021 SSLAD Challenge Track1-2D Object Detection目标检测赛道第四名 。

文章图片