李林 假装发自 威尼斯
量子位 出品 | 公众号 QbitAI
又一次！中国团队拿下一项AI赛事的多个大奖！
8天的计算机视觉顶会ICCV 2017在威尼斯悄然落幕，期间中国团队在物体检测、人体关键点检测等竞争激烈的比赛中击败了谷歌、微软、Facebook等国际巨头AI实验室。
ICCV 2017 “Joint COCO and Places Recognition Challenge” Workshop中，一共公布了7项竞赛的结果。
中国AI创业公司旷视科技（Face++）在MS COCO物体检测、人体关键点检测，以及Places物体分割三项比赛中击败微软、谷歌、Facebook等对手，夺得了第一名。
△ 旷视科技获COCO物体检测、人体关键点检测冠军；UCenter获COCO物体分割冠军
而在MS COCO物体分割检测中，由北京大学和香港中文大学联合组成的UCenter队（也可以理解为商汤科技队）夺得冠军，旷视科技（Face++）团队获得了第二名。
Places场景分割挑战赛的冠军由中科院自动化所和京东联合建立的CASIA_IVA_JD队拿下，第二名是今日头条的WinterIsComing队。
参赛选手总结
量子位还得到一份旷视Face++此次参赛主力队员的一份赛后总结。这份总结应该是出自大三学生肖特特，他还特别提到队友罗睿轩和姜博睿。转发如下：
拿奖拿到手软
终于，可以自豪地宣布，我们Face++团队在备受关注的MSCOCO和由MIT牵头的Places比赛中参与四个项目，击败Facebook, Google, Microsoft, 国内外高校和企业等，拿下三项世界冠军一项第二名。其中我作为核心成员之一参与了COCO Detection & Instance Segmentation与Places Instance Segmentation三个项目，并为COCO Skeleton做了一点点微小的贡献
关于比赛
一支团队能同事拿下那么多冠军是史无前例的。在最重要的COCO Detection中，我们赢了第二名近2个绝对百分点。在Places比赛，我们在准备不充分的情况下(我的错)，赢了第二名Google4.5个绝对百分点。为我们的队伍感到自豪。
“Face++模式”
对于我来说，赢了是团队好输了当然是自己做得不够好。这次比赛，我特别要介绍旷视的platform组。他们负责维护和建立上千块gpu的集群，支持各种功能。而我们，动辄要求几十上百块gpu跨机训练，给他们造成了前所未有的压力。但是，他们每次几乎立即处理问题，以最快的速度解决。这是我见过的最敬业，效率最高的team. 每一块奖牌后面都应该有他们的名字。
“姚班模式”
我特别想提一下，在两个Segmentation比赛中，我的两位室友，罗睿轩和姜博睿，比我做出了更大贡献。他们也是我的ACM队友。这是我一直追求的姚班模式。作为朋友，室友。大家每时每刻、自发地讨论学术问题，取得比赛好成绩，或者一起发表论文。很高兴我在身体力行，为这个模式做了一些微小的贡献。的工作中，能看到自己一点点往这个方向的努力。
有趣的事情
与Ross和Kaiming聊了一会，我表达了对两位role models的敬佩，讲我一直在向各位学习。Ross大神说你明年要是能来FAIR实习就太好了。我们没准还能向你学习呢。脑子一下空白了…回答，现在不够格和各位一起工作，phd时一定一定会申你的intern :)
三年级本科生的身份倒是能让大家迅速记住你 23333 真的比平均年龄小了太多。。
感谢NVIDIA送了一块TITAN XP。以为还是之前的一万美元呢哈哈
（插播，此处的Ross和Kaiming，可以参考量子位之前的报道）
另外，据商汤科技透露他们的队伍也是实习生担任主力。
历史战绩
物体检测这个项目，是MS COCO大赛的重头戏，从2015年第一届就存在，第二、三届中依然延续了下来。
其实，拿下2015年物体检测项目冠军的MSRA团队，就是孙剑在微软亚洲研究院带领的一组研究员，包括何恺明、任少卿、代季峰和Xiangyu Zhang，所用的算法，是何恺明和RBG大神第一次合作的Faster R-CNN。
2016年的物体检测冠军，是谷歌研究院的G-RMI队，而用的算法，依然是Faster R-CNN。
2015年第一届MS COCO大赛中除了物体检测，还有个生成图片说明（Captioning Challenge）项目，当时夺冠的谷歌团队，与人类baseline相比依然差了一大截，这个比赛项目也没能继续下去。
在2016年，物体检测之外的比赛项目变成了人体关键点检测，当时夺冠的团队来自CMU。
COCO+Places 2017简介
MS COCO是一个已经举办了三年，在业内颇有名气的比赛。今年的MS COCO共有四个项目，包括物体检测、物体分割、人体关键点检测和场景分割。
和MS COCO联合公布结果的Places今年还是第一届，由MIT和CMU牵头，包括物体分割、场景分割和边缘检测三个项目，旨在深度理解图像场景。
COCO挑战赛
COCO是一个图像数据集，被设计用来推动物体检测研究，特别是检测上下文中的物体。其中提供的注释包括80个分类的物体像素级分割，人体实例的关键点注释，91个类别的背景语义分割。
大赛具体包括：
COCO检测挑战
COCO 2017检测挑战赛已在推动物体检测领域的进步。参赛队伍要在两类物体检测挑战中竞争：使用包围盒（bounding box）输出或者物体分割输出。
COCO关键点挑战
这项挑战需要在复杂环境下对人体关键点进行定位。这项挑战需要在检测出人体的同时，对关键点进行定位标注。
COCO背景语义分割挑战
今年的挑战中，已经给出人、汽车、大象等物体的分类，所以重点主要在背景分类的部分，例如草坪、墙壁、天空等。
相关详情可以访问：
//cocodataset.org/
Palces挑战赛
Places挑战的数据，是一个像素级标注的图像数据及ADE20K。这个数据集中有2万张图像用于训练，2千张用于验证，3千张用于测试。
数据集地址在此：
//groups.csail.mit.edu/vision/datasets/ADE20K/
Places 2017的挑战主要有三个任务：场景分割（scene parsing）、物体分割（instance segmentation）、边缘检测（semantic boundary detection）。
详细信息可以访问这里：
//placeschallenge.csail.mit.edu/
— 完 —
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
վ'ᴗ' ի 追踪AI技术和产品新动态
