CVPR（國際計算機視覺與模式識別會議）是由IEEE主辦的一年一度的世界頂級計算機視覺學術性會議。近日，創新奇智團隊參加的CVPR－FGVC10（細粒度視覺分類）研討會PlantTraits挑戰賽比賽結果揭曉。創新奇智在多個參賽隊伍中脫穎而出，成功斬獲世界冠軍。
在本次比賽中，創新奇智團隊表現出色，在PlantTraits賽道樣本數據量極少的情況下，利用遷移學習技術以及提出一種創新性的架構設計，取得了突破性進展，為視覺識別任務的性能提升做出了新的貢獻。
CVPR是計算機視覺領域全球三大會議之一。大賽受到了國內外學術界和產業界的廣泛關注，自3月份開賽以來，共有來自全世界多個國家和地區超過1500個團隊報名參賽。本屆CVPR-FGVC10研討會由丹麥哥本哈根大學、美國加州理工學院、英國愛丁堡大學、美國麻省理工學院、英國倫敦大學學院、捷克共和國皮爾森西波西米亞大學、北京大學、Meta(Facebook)、Google等知名高校及機構聯合主辦。
PlantTraits 2023挑戰賽及賽題介紹
PlantTraits 2023是隸屬于CVPR 2023 FGVC細粒度挑戰賽的分支，是國際人工智能和計算機視覺領域的旗艦學術賽事，由德國萊比錫大學地球系統研究遙感中心（RSC4Earth, Leipzig University, Germany）主辦。
PlantTraits 2023挑戰賽旨在探索從有限的植物性狀數據中預測全球范圍內的植物性狀，以及整個生態系統將如何對氣候變化做出反應。賽事要求利用植物的圖像并結合植物生長環境與植物形狀之間的關系預測出植物性狀。賽題給定植物圖像數據、植物生長環境信息以及植物性狀的均值與方差進行模型訓練，要求參賽者使用深度學習的回歸模型從植物照片中預測植物屬性，比如長度、發芽率等30余項屬性。主辦方將根據各參賽隊伍提交的植物性狀文件計算出平均R2進行排名。
創新奇智奪冠算法介紹
直接對植物性狀進行回歸是十分復雜的，通過分析發現，對于相同類別的植物，其性狀的分布范圍會更小，而可以預測出植物的類別又是至關重要的。因此不同于以往的回歸任務，創新奇智團隊首先利用分類任務確定植物的類別，再依據后處理得到植物性狀，從而極大提升模型性能。該任務的一大難點在于數據量極少，單一類別植物至多只有6張圖像與之對應。
為了解決上述問題，創新奇智團隊選取ConvNeXtV2模型作為骨干網絡(backbone)。考慮到該任務為植物細粒度回歸任務，因此首先采用遷移學習(Transfer Learning)方法，在iNaturelist數據集上對該模型進行預訓練，有效提升了該模型在植物特征提取方面的能力。同時，為了有效地利用植物生長環境等數據，團隊對這些meta數據進行了歸一化。在通過ConvNeXtV2網絡提取出圖像特征和將歸一化后的meta數據拼接到圖像特征之后，然后再通過多層感知機（MLP）對特征進行充分融合，輸出植物的類別概率值。在整個處理過程中，團隊使用不同的概率進行數據添加和模型參數的丟棄以獲得多個模型的推理結果，并將輸出的相應類別的概率值取平均以獲得這些模型的最終分類結果。最終根據植物的類別確定出植物性狀分布的范圍后，再利用其均值進行后處理替換便得到植物30余項屬性的數值。
其中，ConvNeXt V2是一種新的卷積神經網絡模型，通過結合自監督學習框架并進一步加入新的架構改進，在各種視覺識別任務上取得了不錯的性能提升。 iNaturalist數據集是一種物種分類和檢測數據集，其中包括來自5,000多種不同植物和動物物種的859,000張圖像。該數據集真實反映了現實自然界中不同生物類別數量的嚴重不平衡性，并且已得到多名民間科學家的驗證。
通過以上模型設計和訓練策略，創新奇智團隊在競賽中取得了第一名的好成績。向全球同行充分展現了自身在AI理論研究上的深厚積累和持續創新能力。未來，創新奇智將繼續在廣闊的人工智能領域進行創新和探索，為今后將AI技術更廣泛地落地應用于人工智能制造、人工智能金融等領域奠定了堅實的理論基礎和技術儲備。
通過以上模型設計和訓練策略，創新奇智團隊在競賽中取得了第一名的好成績。向全球同行充分展現了自身在AI理論研究上的深厚積累和持續創新能力。未來，創新奇智將繼續在廣闊的人工智能領域進行創新和探索，為今后將AI技術更廣泛地落地應用于人工智能制造、人工智能金融等領域奠定了堅實的理論基礎和技術儲備。 
