原標(biāo)題：深蘭科技的征途，AI的賽場(chǎng)與戰(zhàn)場(chǎng)

在頂尖學(xué)術(shù)會(huì)議中成功“刷榜”，一直被看做是AI企業(yè)實(shí)力的絕對(duì)證明。尤其是在AI研究創(chuàng)新涌現(xiàn)、幾大頂會(huì)迎來(lái)“論文大爆炸”的背景下，學(xué)術(shù)競(jìng)爭(zhēng)也愈加激烈，想要“出人頭地”，真不是件容易的事。

最近在全球計(jì)算機(jī)三大頂級(jí)會(huì)議之一ECCV 2020上一舉拿下8個(gè)賽事冠亞季軍大獎(jiǎng)的深蘭科技，彰顯實(shí)力。

而且，深蘭科技也在Kaggle平臺(tái)上舉辦的ECCV挑戰(zhàn)賽Google Landmark Retrieval 2020上斬獲金牌，在計(jì)算機(jī)視覺(jué)模式識(shí)別會(huì)議CVPR2020中斬獲了12項(xiàng)冠亞季軍，在國(guó)際計(jì)算機(jī)視覺(jué)大會(huì)ICCV2019競(jìng)賽中拿下“四冠四亞一季”的成績(jī)……各種優(yōu)異成績(jī)的井噴，顯然不是偶然。

我們知道，計(jì)算機(jī)視覺(jué)是當(dāng)前人工智能學(xué)術(shù)界非?；钴S的研究領(lǐng)域，而ICCV、CVPR、ECCV這計(jì)算機(jī)視覺(jué)方向的三大頂級(jí)會(huì)議，更是云集了谷歌、斯坦福、BAT等等科技巨頭，被中國(guó)計(jì)算機(jī)學(xué)會(huì)評(píng)為最高級(jí)別學(xué)術(shù)會(huì)議。

在這樣的“學(xué)術(shù)修羅場(chǎng)”能夠拿下挑戰(zhàn)賽的大滿貫、取得多個(gè)第一的戰(zhàn)績(jī)，深蘭科技的技術(shù)底蘊(yùn)與含金量不容小覷。

初看結(jié)果，讀者們可能會(huì)很詫異，深蘭科技到底做了哪些創(chuàng)新，又對(duì)當(dāng)下乃至未來(lái)一段時(shí)間的AI研究帶來(lái)怎樣的影響？

沿著這些問(wèn)題思考，或許我們能對(duì)AI技術(shù)與產(chǎn)業(yè)邏輯，有更深一層的理解與認(rèn)知。

深蘭科技的創(chuàng)新成績(jī)單

既然是硬核學(xué)術(shù)會(huì)議，自然還是成績(jī)說(shuō)話。我們先來(lái)看看深蘭科技在三大頂會(huì)拿獎(jiǎng)到手軟的各種創(chuàng)新算法，究竟都在做什么。

就以此次ECCV為例，深蘭科技獲得雙冠的GigaVision 2020挑戰(zhàn)賽，是由清華大學(xué)基于其新推出的數(shù)據(jù)集PANDA而組織的。

PANDA是全球首個(gè)十億像素級(jí)別視頻數(shù)據(jù)集，在如此大規(guī)模的數(shù)據(jù)集上完成圖像多類別目標(biāo)檢測(cè)，既要保證算法能夠在目標(biāo)尺度變化、擁擠遮擋的復(fù)雜情況下準(zhǔn)確地識(shí)別出行人和車輛這兩種不同的目標(biāo)，還要保證足夠高效，在十億像素級(jí)別分辨率下快速完成。

顯然，這一任務(wù)的完成，能夠?qū)Υ笠?guī)模現(xiàn)實(shí)場(chǎng)所中的行人檢測(cè)、動(dòng)作識(shí)別、異常檢測(cè)等帶來(lái)技術(shù)上的飛躍，讓人臉識(shí)別、無(wú)人駕駛、監(jiān)控安防等應(yīng)用結(jié)果更準(zhǔn)、效率更高。

而針對(duì)技術(shù)上的難點(diǎn)，深蘭科技DeepBlueAI團(tuán)隊(duì)在檢測(cè)賽道將任務(wù)解耦為多個(gè)子任務(wù)，把難點(diǎn)獨(dú)立出來(lái)重點(diǎn)解決，并根據(jù)以往檢測(cè)經(jīng)驗(yàn)，通過(guò)所積累的模塊和方法，使得結(jié)果有了進(jìn)一步的提升。最終以領(lǐng)先第二名2.6個(gè)百分點(diǎn)的成績(jī)強(qiáng)勢(shì)獲得冠軍。

在其他類目的挑戰(zhàn)賽中，深蘭科技DeepBlueAI團(tuán)隊(duì)相繼完成了基于部分MSCOCO數(shù)據(jù)集來(lái)進(jìn)行80個(gè)類別目標(biāo)檢測(cè)的小樣本學(xué)習(xí)任務(wù)；在不使用任何預(yù)訓(xùn)練模型從頭開(kāi)始訓(xùn)練的限制下，在ImageNet的子集上獲得最高的準(zhǔn)確率；運(yùn)用優(yōu)化數(shù)據(jù)增強(qiáng)方法、特征提取器、后處理等方法，對(duì)無(wú)人機(jī)視角拍攝的圖片，完成車輛、行人等目標(biāo)的定位分類……

上述成績(jī)，都只是深蘭科技2020年研究成果的一部分，也是其技術(shù)積淀和底蘊(yùn)的又一次佐證。

實(shí)際上，在ICCV 2019，深蘭科技就曾在VisDrone Challenge (無(wú)人機(jī)視覺(jué)挑戰(zhàn)賽)中，運(yùn)用Cascade RCNN+DCN+FPN+DoublueHead檢測(cè)器，以及IOU Tracker+ KCF+Tracklet vote的跟蹤算法，來(lái)解決部分目標(biāo)過(guò)小、數(shù)據(jù)分布影響預(yù)訓(xùn)練效果等難題，最終以領(lǐng)先4個(gè)多百分點(diǎn)的巨大優(yōu)勢(shì)獲得兩項(xiàng)冠軍。

CVPR 2020的NightOwls 檢測(cè)挑戰(zhàn)賽，也為參賽者們?cè)O(shè)置了不小的難題。現(xiàn)有的視覺(jué)檢測(cè)算法不能很好滴解決夜間場(chǎng)景圖片中的行人，這無(wú)疑會(huì)給無(wú)人車夜間行駛的可靠性、監(jiān)控安防的安全性能等都帶來(lái)了一定的限制。

所以NightOwls就開(kāi)展了相應(yīng)的比賽，而深蘭科技也順利在 “單幀行人檢測(cè)”和“多幀行人檢測(cè)”兩個(gè)賽道中拿下了冠軍。夜間行人檢測(cè)與白天行人檢測(cè)相結(jié)合，能夠打造適用于不同天氣條件、全天候的行人檢測(cè)系統(tǒng)，讓現(xiàn)實(shí)世界的出行安全更有保障。

關(guān)于深蘭科技在數(shù)個(gè)AI頂會(huì)上的創(chuàng)新表現(xiàn)，我們就不在此一一枚舉?？梢钥隙ǖ氖牵钐m科技作為中國(guó)AI企業(yè)的代表，在頂會(huì)競(jìng)賽中大放異彩，不斷向全球傳達(dá)和證實(shí)著中國(guó)AI力量的實(shí)力，達(dá)到了世界領(lǐng)先水平。

深蘭科技的學(xué)術(shù)+產(chǎn)業(yè)“雙循環(huán)”模式

大家可能會(huì)好奇，在計(jì)算機(jī)視覺(jué)這一競(jìng)爭(zhēng)激烈的賽道上占據(jù)技術(shù)上的多方位領(lǐng)先，深蘭科技到底做了些什么？

這恐怕就要從深蘭科技的業(yè)務(wù)邏輯說(shuō)起了。

我們知道，2017年開(kāi)始的人工智能資本熱潮，帶動(dòng)了一大批AI企業(yè)的涌現(xiàn)，大致可以歸為兩類：

一種是專研算法的技術(shù)型企業(yè)。其核心資產(chǎn)是算法、數(shù)據(jù)等能力，需要引入深度學(xué)習(xí)領(lǐng)域的高級(jí)人才，大量投入底層算法研發(fā)與創(chuàng)新，常常需要跟谷歌、微軟、Facebook這樣的科技巨頭“搶人”。盡管投入巨大，但也正是這一類企業(yè)推動(dòng)了人工智能底層技術(shù)的不斷精進(jìn)，而一旦達(dá)到規(guī)模效應(yīng)，就很容易占據(jù)行業(yè)領(lǐng)軍者的位置。

而另一種則是產(chǎn)業(yè)升級(jí)的應(yīng)用型企業(yè)。商業(yè)邏輯也很清晰，就是向算法供應(yīng)商購(gòu)買技術(shù)，通過(guò)自己的工程師團(tuán)隊(duì)將其打磨成體驗(yàn)良好的成熟AI產(chǎn)品，借助自身的服務(wù)能力與銷售渠道將解決方案售賣出去。

而有意思的是，深蘭科技走出了一條獨(dú)特的路。

借用2020年十分火爆的一個(gè)關(guān)鍵詞“雙循環(huán)”來(lái)形容，深蘭科技一邊在各種AI頂會(huì)上尋求技術(shù)上的系統(tǒng)性、基礎(chǔ)層面的領(lǐng)先，一邊帶動(dòng)AI技術(shù)落地應(yīng)用、服務(wù)民生，開(kāi)辟了一個(gè)“基礎(chǔ)技術(shù)+產(chǎn)業(yè)聯(lián)動(dòng)”的雙循環(huán)模式。

舉個(gè)例子，前面提到深蘭科技在CVPR 2020各個(gè)挑戰(zhàn)賽中提出的多項(xiàng)檢測(cè)與分類算法，就被落地應(yīng)用在了智能熊貓公交車等產(chǎn)品上，讓公交車自主制動(dòng)和運(yùn)行，為城市公共交通提供了新的選擇；乘客掃手就能上車，體驗(yàn)和效率都大大提升；智能機(jī)器人還能感應(yīng)駕駛員和安全員的實(shí)時(shí)狀態(tài)，最大程度地保障乘車安全；借助關(guān)鍵點(diǎn)檢測(cè)打造“異常行為識(shí)別系統(tǒng)”，車廂內(nèi)有人摔倒、偷盜等情況都可以及時(shí)告警……

再比如，智慧城市建設(shè)中部署的許多商業(yè)化攝像機(jī)，難以在惡劣天氣下保持比較穩(wěn)定的識(shí)別準(zhǔn)確率，給城市管理帶來(lái)了很多隱患。深蘭科技奪冠的“挑戰(zhàn)賽霧天條件下的（半）監(jiān)督目標(biāo)檢測(cè)任務(wù)”，恰好就針對(duì)這類問(wèn)題，讓攝像機(jī)在惡劣天氣環(huán)境或光照條件較差的情況下，依然能夠很好地完成任務(wù)，讓深蘭科技的客戶或集成其算法的企業(yè)能夠更好地使用AI。

今年春節(jié)期間，面對(duì)防疫工作中的測(cè)溫剛需，深蘭科技快速上線的AI熱感視覺(jué)行為監(jiān)控系統(tǒng)——貓頭鷹，就融合了多種世界冠軍級(jí)技術(shù)，采用了紅外熱成像技術(shù)和自主研發(fā)的機(jī)器視覺(jué)算法，深度融合紅外和可見(jiàn)光圖像，人們只要進(jìn)入被測(cè)溫范圍就能實(shí)時(shí)測(cè)出體溫，無(wú)需停留，在防疫的同時(shí)大大方便了出行。而能如此快速地打造出服務(wù)社會(huì)的剛需產(chǎn)品，顯然離不開(kāi)深蘭科技將長(zhǎng)期的技術(shù)積累與產(chǎn)業(yè)需求深度整合的能力。

正是這種底層研發(fā)突破與產(chǎn)業(yè)標(biāo)準(zhǔn)化落地的雙重效應(yīng)，讓深蘭科技在學(xué)術(shù)競(jìng)賽中彰顯實(shí)力的同時(shí)，也很快將先進(jìn)算法落地，借由產(chǎn)業(yè)化的規(guī)模效應(yīng)實(shí)現(xiàn)商業(yè)價(jià)值，再進(jìn)一步推動(dòng)AI技術(shù)的進(jìn)步，進(jìn)入自身發(fā)展的良性循環(huán)。

行穩(wěn)致遠(yuǎn)，未來(lái)可期

一邊是技術(shù)創(chuàng)新，一邊是應(yīng)用落地，深蘭科技顯然選擇了一條更難走的道路。大部分人可能會(huì)問(wèn)，有必要嗎？

比如直接售賣算法或者解決方案，深蘭科技始終堅(jiān)持基礎(chǔ)研究和應(yīng)用開(kāi)發(fā)雙落地的模式，可能并不討巧，卻成為中國(guó)AI形成差異化優(yōu)勢(shì)的關(guān)鍵巨助力。

將視角放在全球技術(shù)競(jìng)賽的大背景下，會(huì)發(fā)現(xiàn)中國(guó)AI依然需要在基礎(chǔ)研發(fā)上加速追趕。

北京智源人工智能研究院發(fā)布的《人工智能下一個(gè)十年》中就提到，在AI全領(lǐng)域，2009-2020年期間全AI領(lǐng)域被45個(gè)頂會(huì)和頂刊錄取論文數(shù)據(jù)顯示，中國(guó)學(xué)者量和論文量都約為美國(guó)的1/3，十年間美國(guó)AI論文量超出中國(guó)4萬(wàn)多篇。

想要拿下全球頂尖的技術(shù)桂冠，最根本的是要提高自身的創(chuàng)新能力。從這個(gè)角度看，像深蘭科技這樣不斷向基礎(chǔ)研究發(fā)起沖鋒的科技企業(yè)，正在建構(gòu)起中國(guó)AI未來(lái)十年的競(jìng)爭(zhēng)“天頂”。

另一方面，如火如荼的新基建熱潮背后，要解決各行各業(yè)、不同場(chǎng)景下對(duì)算法精度、性能的要求，在信息化不足、數(shù)據(jù)缺失等傳統(tǒng)行業(yè)完成智能化改造，更需要領(lǐng)先算法來(lái)保駕護(hù)航，完成與產(chǎn)業(yè)端的深度整合。

如果說(shuō)技術(shù)能力是舟，那么對(duì)產(chǎn)業(yè)應(yīng)用的重視與探索就是槳，幫助AI更平穩(wěn)地駛向大海。

舟楫相配，得水而行——或許是深蘭科技帶給我們對(duì)未來(lái)最美好的想象。

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。