网站首页 > 高校驿站 > 校园传真 >

西电学子获国际2021CVPR竞赛4冠2亚1季军

2021-06-21 11:00  西安电子科技大学

6月19日,计算机视觉顶会CVPR 2021 正式拉开帷幕,多个赛事奖项也最终尘埃落定。西安电子科技大学人工智能学院再获佳绩,由学院焦李成教授、刘芳教授、屈嵘教授,团队博士生杨育婷、黄钟健、张俊、耿雪莉及游超共同指导的学生参赛队伍,共计获得4冠军、2亚军和1季军的优异成绩。所有获奖队伍也均收到竞赛主办方邀请,将获奖的竞赛方法在workshop会议上进行报告或者展示。

由“路小强、曹国金、聂璐瑶、杨育婷”组成的学生队伍获得了2021CVPR FloodNet Challenge @ EARTHVISION 2021 - Track 1(洪水中高分辨率UAS图像的半监督分类与半监督语义分割)冠军。“张紫霄、王梦娇、冯若贤、张俊”组成的学生队伍获得了同赛道亚军。

2021CVPR FloodNet Challenge @ EARTHVISION 2021 - Track 1冠军队伍

2021 CVPR FloodNet Challenge @ EARTHVISION 2021 - Track 1的任务是使用通过小型UAS平台DJI Mavic Pro四轴飞行器收集的高分辨率UAS图像进行半监督分类与半监督语义分割。冠军队伍使用基于对抗学习的多尺度半监督自适应网络进行语义分割,将对抗损失与交叉熵损失进行耦合,利用鉴别器从未标记样本的预测分类图中发现可信区域来实现半监督学习,从而提供额外的监督信号,提高语义分割的准确性。对于该数据集存在的类别不均衡、尺度不均衡问题,分别采用针对特定类别训练二分类器及多尺度切图方法,最后基于优先级融合策略进行模型融合。

2021CVPR FloodNet Challenge @ EARTHVISION 2021 - Track 1亚军队伍

2021CVPR FloodNet Challenge @ EARTHVISION 2021 - Track 1 亚军队伍基于半监督联合损失函数训练DeepLabv3+分割网络和ResNet迁移学习分类网络,将大量未标注数据用于生成伪标签不断参与半监督模型的迭代训练,最后,使用条件随机场(CRF)改进和细化分割结果。还采用了模型融合、数据增强、测试时增强(TTA)和加权训练等策略来提高分类准确率。

由“李钰鑫、冯可心、马彦彪、耿雪莉”组成的学生队伍获得了2021CVPR FloodNet Challenge @ EARTHVISION 2021 - Track 2(洪水中高分辨率UAS图像的视觉问答挑战赛)冠军。由“王语涵,刘昕煜,谷雨,牛君豪”组成的学生队伍获得了同赛道亚军。

2021CVPR FloodNet Challenge @ EARTHVISION 2021 - Track 2 冠军队伍

该赛道的任务目标是利用无人机收集的洪水中的大规模高分辨率数据图像以及提供的详细语义注释训练视觉问答模型,并基于图像及问题集回答分类,计数等多种类问题。用以分析灾后无人能到达的区域,并作出快速的响应。获奖队伍针对FloodNet提供的图像和问题进行建模,模型分为特征提取,特征整合和后处理三个阶段来对视觉问题进行解答:分别利用在ImageNet上预训练的残差网络和GloVe+LSTM模型对图像和文本的特征进行提取,随后构建两个隐层大小不同的MCAN模型用于特征整合并生成问题的答案。在后处理阶段,基于数据增强后的测试集及问题之间的语义关联对模型进行多对一的融合。

2021CVPR FloodNet Challenge @ EARTHVISION 2021 - Track 2 亚军队伍

2021CVPR FloodNet Challenge @ EARTHVISION 2021 - Track 2 亚军队伍采用MCAN网络作为基线模型。利用Glove和LSTM 提取问题特征,然后利用Faster-RCNN提取图像特征,再输入到MCAN网络中。对于图像特征提取模块,利用grid feature 和roi feature共同表征。再将网格和目标检测特征串联起来,作为对模型的激励。最终,还对八个不同模型进行融合,其中,对LXMERT的训练和端到端对MCAN进行再训练都对提高准确率起了很大的作用。

CVPR 2021 DynamicEarthNet Unsupervised Binary Land Cover Change Detection Challenge 季军队伍

由“刘洋,鲍骞月,陈大帆”组成的学生队伍获得了CVPR 2021 DynamicEarthNet Unsupervised Binary Land Cover Change Detection Challenge(无监督二类地物分类变化检测挑战赛)季军。该赛道的主要任务是对于给定的Planetscope每周的多维数据集和Sentinel-2每月的多维数据集,在没有监督的情况下检测每个像素的每月变化。

NTIRE @ CVPR 2021 Multi-modal Aerial View Object Classification Challenge - Track 2 (SAR+EO) 冠军队伍

由“耿雪莉,马梦茹”组成的学生队伍获得了NTIRE @ CVPR 2021 Multi-modal Aerial View Object Classification Challenge - Track 2 (SAR+EO) (多模式鸟瞰对象分类挑战赛)冠军。捕获可见光谱中的图像(例如RGB和灰度图像)的常见方式有电光(EO)传感器和其他传感器(例如合成孔径雷达(SAR)),在某些情况下,当某一类传感器无法捕获大量信息(例如天气状况,无可见光等)时,它们可能会补充其他传感器方式。本次挑战的任务是了解一种方式的数据是否以及如何改善另一种方式的学习过程,反之亦然。

Learning from Limited and Imperfect Data (L2ID 2021) Track-1 冠军队伍

由“李硕,郝泽华,杜瑶阳”学生队伍获得2021 Learning from Limited and Imperfect Data (L2ID) Track-1:Weakly-supervised Semantic Segmentation(弱监督语义分割挑战赛)冠军。同时竞赛方法“Dual Self-Training for Weakly Supervised Semantic Segmentation With Noisy Labels”也被邀请制作为poster进行展示。

参赛队伍合照

据悉,学院共组织了7支队伍参与了本次CVPR 2021的4项竞赛的共计5个赛道的比赛,七支队伍全部进入各赛道前三。CVPR是IEEE Conference on Computer Vision and Pattern Recognition的缩写,即IEEE国际计算机视觉与模式识别会议,是一年一次的学术性会议。CVPR的主要内容是计算机视觉与模式识别技术,是世界顶级的计算机视觉三大会议之一。西安电子科技大学人工智能学院焦李成教授团队在遥感领域有30多年的经验积累,智能学子们也屡次在各项专业类竞赛中斩获佳绩。

点击阅读全文

相关文章

栏目热点