TPU编程竞赛系列|AI算法创新赛「人车目标检测」结果出炉!

由算能发起并承办的AI算法创新赛 –人车目标检测大赛落下帷幕,该赛事吸引了来自全国各地的20余支队伍参赛,经过数月的激烈角逐,6支队伍脱颖而出,分获一、二、三等奖并赢得丰厚奖金!

TPU编程竞赛系列|AI算法创新赛「人车目标检测」结果出炉!_第1张图片

目标检测是计算机视觉的热门方向,广泛应用于各种智能视频监控系统中。人、车是现代社会最为重要的组成对象,实现人、车目标的精确快速检测,对构建智慧城市和平安社会具有重要意义。

作为图形处理器的GPU,运行要依赖CPU的调用,而且基于现有的冯·诺依曼结构的经典计算机运行时,就不可避免地受到存储与计算分离的限制,能效比不高。TPU是专门用于人工智能算法的张量处理器,可以大幅度提升AI模型在边缘设备的运行效率。本次大赛旨在提升人车目标检测在TPU平台上的精度和部署效率,并应用于实践。

选手们通过多种方法实现了模型精度的提升。

AI0000043:

为了有效增强模型的检测性能,我们提高输入图像的分辨率,但更大的分辨率要求网络具有更大的感受野,所以他们使用了YOLOv5s6模型,同时使用4head结构有效提升模型对不同尺寸目标的检测性能.。

TPU编程竞赛系列|AI算法创新赛「人车目标检测」结果出炉!_第2张图片

在使用预训练权重、多尺度训练、模型平均以及同步BN的基础上,使用大量数据增强来提升模型的检测性能及泛化能力。

AI0000020队伍:

采用了YOLOv7作为baseline,针对给定的训练数据重新选择anchor大小,使用K-means方法计算出最合适的anchor值,采用Masico, MixUp等方式提升模型泛化能力,并针对行人和自行车做random_affine数据增强。

TPU编程竞赛系列|AI算法创新赛「人车目标检测」结果出炉!_第3张图片

更多的优化策略后续会陆续分享,敬请关注算能AI算法创新赛!

你可能感兴趣的:(TPU编程竞赛,人工智能,算法,目标检测)