报名 | 码隆科技与谷歌研究院合办Kaggle大赛,挑战商品图像分类极限!

2018 年 4 月 19 日 机器之心

随着消费升级,商品识别场景的持续增加,对图像中的商品实现细品类精准分类也变得越发重要,此类技术可以应用于线上购物、移动电商、实体零售、商品运维等多个场景,具有高度实用价值。如何利用计算机视觉技术识别海量商品,并准确区分外形类似的商品,是计算机视觉领域一大挑战。由于细粒度属性的产品看起来非常相似,且商品在不同光线、角度和背景下拍摄,其识别精度也会受到影响,这就使得细粒度图像分类技术变得极具挑战性。



与此同时,不同商品的相似特征,也为机器识别增加了一定的难度:比如家具中的球椅和蛋椅,从某些特定角度来看十分相似;再比如服饰的宝蓝色和松绿色,在不同的光线条件下也存在一定的相似性。



如何让机器识别达到趋近乃至超过人眼判定的精准度?这是许多计算机视觉科学家们一直致力解决的问题。由此,码隆科技联合 Google Research 和美国知名电商 Wish,举办了针对家具家居领域和时尚领域的细粒度图像分类竞赛 iMaterialist Challenge (Fashion & Furniture),力求推动自动图像分类顶尖技术的进展,该比赛已经在 Kaggle 平台上拉开序幕。同时,作为 CVPR 2018 重要的研讨会之一,针对该比赛召开的 FGVC5 workshop(细粒度图像识别研讨会)将于 6 月 22 日与大会同期举行,期待科学家和研究者们共同参与。


与 ImageNet 的粗粒度分类竞赛相比,iMaterialist Challenge 强调的是在「人造物体」领域的图像细粒度分类挑战。一方面,这部分图像分类的技术难度更大,更具挑战性,即便对于经过专业训练的人眼来说,很多细粒度分类数据集也难以快速且准确地辨认;另一方面,相关技术具有更大的实际应用意义,可以直接转化为工业界的应用,提高效率、减少成本。码隆科技作为中国第一家提出「商品识别」概念的人工智能创新公司,凭借其在家具家居和时尚领域的技术优势,成为 iMaterialist Challenge 的核心合作伙伴。


值得一提的是,iMaterialist Challenge 将会亮相今年 CVPR 会议主会场,与到场的业界精英展示竞赛重要成果,分享技术突破性进展。而这也是 CVPR 历史上首次从会议数十个 workshop 中,挑选出 3 至 5 个高品质、高价值的竞赛在主会场进行展示。与此同时,FGVC5 组委会也会邀请业界权威科学家、研究者到现场进行最新技术分享。码隆科技与美国知名电商平台 Wish 为本次竞赛提供所需的服装和家具图像数据,并会向学术界开放 120 万带标注的商品图像数据集。作为此次大赛的核心合作伙伴,码隆科技将会为大赛全程提供专业技术支持,负责竞赛数据处理并提供竞赛基础模型训练。



iMaterialist Challenge 面向全球的企业、研究机构和院校进行参赛队伍的招募。本次竞赛已于 3 月 8 日开赛,将于 5 月 24 日截止提交,并在 5 月 30 日关闭竞赛。竞赛成果将会在 6 月 22 日于盐湖城举行的 CVPR 2018 会议上进行正式公布。开赛至今仅一个月,已有来自海内外近 200 支队伍报名参赛,得到计算机视觉领域众多技术团队的高度关注。



在此次竞赛中,码隆科技与 Wish 联合为优胜者提供奖金。家居和时尚两个竞赛单元的优胜者将获得共计 5000 美金的奖励。更值得一提的是,优胜者还将受邀在 FGVC5 的研讨会上进行主题发言,分享自己的算法思路。



进入 Kaggle 官方网站后,在搜索引擎上输入 iMaterialist,选择【iMaterialist Challenge (Furniture) at FGVC5】或【iMaterialist Challenge (Fashion) at FGVC】,登录帐号后即可参赛。


iMaterialist Challenge 已正式开启,在这一场图像识别技术领域的盛大赛事中,期盼智者前来分享和挑战,期待您的参与!

登录查看更多
10

相关内容

图像分类是指给定一组各自被标记为单一类别的图像,然后对一组新的测试图像的类别进行预测,并测量预测的准确性结果。
CVPR 2020 最佳论文与最佳学生论文!
专知会员服务
35+阅读 · 2020年6月17日
【CVPR 2020-商汤】8比特数值也能训练卷积神经网络模型
专知会员服务
25+阅读 · 2020年5月7日
注意力图神经网络的多标签文本分类
专知会员服务
111+阅读 · 2020年3月28日
2019 IROS—终生机器视觉数据集全球挑战赛
PaperWeekly
7+阅读 · 2019年9月6日
UNITER: Learning UNiversal Image-TExt Representations
Arxiv
23+阅读 · 2019年9月25日
Multi-Grained Named Entity Recognition
Arxiv
6+阅读 · 2019年6月20日
Universal Transformers
Arxiv
5+阅读 · 2019年3月5日
Arxiv
7+阅读 · 2018年1月24日
Arxiv
3+阅读 · 2017年12月14日
VIP会员
Top
微信扫码咨询专知VIP会员