捷报|PaddlePaddle助力百度大脑视觉团队获ICME榜单第一

捷报频传&＃xff0c;百度大脑再次登上国际舞台。在今年4月初结束的ICME人脸106关键点检测比赛&＃xff08;Grand Challenge of 106-p Facial Landmark Localization&＃xff09;中&＃xff0c;百度大脑视觉技术团队与来自全球的20多个优秀代表队同台竞技&＃xff0c;其中包括阿里、华为、美团、中科大等国内视觉技术实力强劲的团队&＃xff0c;最终一举摘得桂冠。 

ICME 人脸106关键点检测比赛排行榜

ICME 比赛 TOP3 的相对误差分布示意图

IEEE ICME&＃xff08;IEEE InternationalConference on Multimedia and Expo&＃xff09;是由IEEE Computer Society、Circuits and Systems Society、 SignalProcessing Society以及Communications Society共同主办的计算机多媒体领域最重要的国际会议之一&＃xff0c;至今已连续举办18届&＃xff0c;涵盖文本分析、图形图像、视频、语音音频等多媒体数据的处理、传输、分析与应用等主题。

Grand Challenge of 106-pFacial Landmark Localization则是ICME 2019上举办的四项比赛之一。其测试样本涵盖大姿态、极端表情、遮挡等多种高难度、复杂的情况&＃xff0c;且训练样本少&＃xff0c;对算法的泛化能力、准确性及鲁棒性等多个方面提出了巨大的挑战&＃xff0c;极富学术和实用价值&＃xff0c;吸引了来自百度、阿里、华为、美团、中科大等数十个企业和高校的参赛队伍参赛。

据悉&＃xff0c;今年比赛主要考验了算法在大姿态、极端表情、遮挡等复杂场景下的鲁棒性和准确性。而百度内部使用的自主研发AutoDL技术——SA-NAS&＃xff0c;则能够显著提高算法的鲁棒性和准确性&＃xff0c;从而在众多参赛队伍中脱颖而出&＃xff0c;获得了第一名的好成绩。

SA-NAS是百度凭借在人脸关键点检测领域的长期积累与研究&＃xff0c;自主研发的AutoDL技术。它针对比赛任务的特点、以模型精度和结构的多样性为导向&＃xff0c;实现了自动化模型构建。并且该方法相比RL-NAS搜索速度提升超过30倍&＃xff0c;收敛过程更加稳定&＃xff0c;让设计深度神经网络模型摆脱了低效的人工调参困境。此外&＃xff0c;百度在算法中引入分割稠密监督、加权热力图监督和多种数据增强方法&＃xff0c;充分挖掘小样本训练数据中的特征信息、消除了模型训练中的量化误差。同时&＃xff0c;他们以模型结构的多样性为基础、依托检测结果的统计特征&＃xff0c;创新地提出了关键点一致性估计算法&＃xff0c;从而显著地提升了关键点检测算法准确性与鲁棒性。

据悉&＃xff0c;在此次竞赛中大放异彩的AutoDL-SA-NAS网络结构自动化设计工具&＃xff0c;是基于百度开源深度学习平台PaddlePaddle实现的&＃xff0c;已经进入预发布阶段&＃xff0c;即将对外正式开源。未来开发者可以通过开放开源的PaddlePaddle平台&＃xff0c;针对自己算法研发任务灵活搜索最佳网络结构&＃xff0c;获得优于人工调参的模型效果&＃xff0c;提高开发效率。此前PaddlePaddle已经开源了基于AutoDL Design的一系列神经网络&＃xff0c;以及使用CIFAR10数据在其上训练出来的一共6个模型&＃xff0c;包括了网络结构以及对应的权重。每一位开发者都可以很容易使用PaddlePaddle以及公开的CIFAR10数据&＃xff0c;在这6个模型上进行推理以及模型融合&＃xff0c;获得超过98%的准确率。

PaddlePaddle是百度视觉技术团队的主要技术研发平台&＃xff0c;是集深度学习核心框架、工具组件和服务平台为一体的技术领先、功能完备的开源深度学习平台。PaddlePaddle在视觉技术上有深厚的积累&＃xff0c;官方已开源覆盖分类、检测、语义分割、OCR、GAN、人体关键点检测等类别&＃xff0c;基于真实业务场景验证的优质模型。上个月&＃xff0c;PaddlePaddle重磅发布了视频识别工具集&＃xff0c;覆盖主流实用的序列建模算法与端到端视频识别模型&＃xff0c;可一键式任务启动&＃xff0c;公开数据集下载&＃xff0c;数据预处理&＃xff0c;模型训练&＃xff0c;模型inference一步到位。

PaddlePaddle还对深度学习模型训练中显存占用进行了专项优化。以语义分割Deeplabv3&＃43;为例&＃xff0c;针对显存消耗分析与解决&＃xff0c;冗余前向计算&＃xff0c;GPU CPU内存交换&＃xff0c;使用16位浮点数等&＃xff0c;让开发者可在相同的计算设备上训练更大的模型&＃xff0c;还可以在消费级别显卡上完成训练。

为了进一步助力开发者进入深度学习领域&＃xff0c; 基于PaddlePaddle的一站式深度学习开发平台AI Studio还送出1亿元免费算力&＃xff0c;为普通开发者破除算力桎梏。

PaddlePaddle官方支持模型

百度大脑此次拿下ICME人脸106关键点检测比赛冠军&＃xff0c;彰显了百度深厚的AI技术实力&＃xff0c;也代表着基于PaddlePaddle的百度视觉处理技术将更进一步&＃xff0c;未来将持续为各行各业赋能&＃xff0c;推动产业智能化发展&＃xff0c;为AI领域创造更多可能。