阿里獲全球知名計算機視覺大賽第一 幫農場打造「實時防蟲牆」

阿里獲全球知名計算機視覺大賽第一 幫農場打造「實時防蟲牆」

來自專欄我是程序員14 人贊了文章

進入夏季,蟲害、病害成了困擾農業生產的大問題。伴隨目標檢測技術的提升,讓AI進行農作物檢測,這些問題或將迎刃而解。

近日,在計算機視覺知名賽事Pascal VOC comp4目標檢測上,阿里巴巴機器智能技術實驗室的深度學習小組提交了2次結果,均拿到第一名的成績。新的技術模型提升了目標檢測的精準度,對加強AI在農業、工業、自動駕駛的應用有著重要意義。

圖說:阿里登頂Pascal VOC comp4目標檢測整體榜單榜首

Pascal VOC是全球計算機視覺領域知名的資料庫和競賽。在Pascal VOC的整體測試中,參賽者對人、貓、鳥、飛機、汽車、船、盆栽等20類物體進行檢測。阿里參賽小組以89.2的總成績位列第一,比第二名高出0.4。在另一項測試——One Stage模型(即對圖像直接輸出檢測框、檢測類別的模型)中,阿里參賽小組也創下該模型的最好成績。

阿里團隊設計了具有融合上下文信息、多層次特徵結合等特點的檢測模型,是其拿到高分的主要原因。

VOC 2012數據集圖片的測試結果-1

VOC 2012數據集圖片的測試結果-2

VOC 2012數據集圖片的測試結果-3

目標檢測是將目標物體框定出來,幫助人們對圖像中的物體進行快速搜尋和定位,聚焦在有價值的目標上。近年來,AI加速用於工業、農業、自動駕駛等真實世界的場景中,目標檢測技術成為AI場景落地的關鍵性技術之一。

據阿里工作人員介紹,新的技術模型可用於農作物檢測,幫農場打造 「實時的防蟲牆」,在蟲害或疾病早期即只感染幾株的時候,就能實時、精準地發現被感染作物。例如,一個農場過去以每周一次的頻度排查蟲害、病害,基於目標檢測技術,則能做到實時發現和救治。技術還可以作為「AI農業專家」,進行農作物生長周期識別、種植面積統計等,指導農事活動、植保等工作。

圖說:目標檢測用於識別農作物

另外,技術還可用於通用物體檢測、遙感圖片中的目標檢測和監控場景中的異常檢測,自動駕駛中對人車障礙物的位置識別,提升目標物檢測的精準度。

未來,阿里將開放該模型,推動目標檢測的技術發展和場景落地。

此前,阿里已摘得多個「技術奧林匹克」冠軍:在全球頂級的知識庫構建測評KBP2017中,獲英文實體發現測評全球冠軍;在斯坦福大學發起的機器閱讀理解領域賽事SQuAD上,阿里精準率打破了世界紀錄。近日WMT2018國際機器翻譯大賽上,阿里參與的5項比賽全數獲得冠軍。

憑藉在人工智慧、量子等核心技術領域的突破,阿里在著名諮詢公司畢馬威的報告中,被全球800位企業高管評為「世界最具顛覆能力的科技企業」。

本文作者:阿里雲頭條

原文鏈接

更多技術乾貨敬請關注云棲社區知乎機構號:阿里云云棲社區 - 知乎

本文為雲棲社區原創內容,未經允許不得轉載。


推薦閱讀:

TAG:計算機視覺 | 深度學習DeepLearning |