持续创新 Brain++拓展AI认知边界

做人工智能不能闭门造车。作为以算法为基因的公司，旷视自诞生之日起便一直积极参与计算机视觉在全球范围内的学术交流，一方面是为了与世界分享自己的研究成果，另一方面也是为了吸取全球的智慧，研发最好的技术来助力世界发展，创造社会价值。

展会现场

此行，旷视共参加 CVPR 2019 WAD（Workshop on Autonomous Driving）、CVPR 2019 FGVC（Workshop on Fine-Grained Visual Categorization）、CVPR 2019 NTIRE（New Trends in Image Restoration and Enhancement workshop）3项挑战赛，拿下6项冠军，涵盖自动驾驶、新零售、智能手机、3D 等众多领域，其背后起支撑作用的是旷视深度学习框架 Brain++。这是一套由旷视研究院自主原创的算法引擎，致力于从云、端、芯三个方面全面赋能物理世界，以实现对世界的感知、控制、优化。Brain++ 不仅助力旷视拿下世界冠军，还将推动智能汽车、商品识别、手机影像处理、智慧农业等应用领域的进步发展。

旷视斩获 CVPR 2019 挑战赛6项世界冠军

大会现场，挑战赛主办方宣布比赛成绩，并向冠军队伍颁发获奖证书；随后，旷视相关的参赛人员通过一张张 Slides、一场场 Talks、一张张 Posters 向与会人员分享了夺冠背后的技术方法，以及冠军之路上满满的收获。

今年是旷视自成立以来连续第5年参加 CVPR，在谈到参加这种顶级学术会议对公司战略意义的时候，旷视首席科学家、旷视研究院院长孙剑表示：

“一流的人才往往希望在一个开放的环境中成长。发表论文、参加学术会议，其实是有人对你的工作鼓掌，激励你继续前行。

旷视研究院最宝贵的财产是人才。如何吸引、培养、保留人才是一个组织健康和高速发展最关键的。

我的工作第一优先级是打造一个好的研发环境，让公司赢，让我们赢，让每个人赢。因为我始终相信两点：中国不缺乏聪明人，中国有世界上最好的发展机会。我们就是要把一帮聪明人聚起来，齐心协力，贯彻‘发展就是硬道理’。”

冠军之路，满是收获

CVPR 2019 WAD nuScenes 3D Detection Challenge

nuScenes 3D Detection Challenge冠军奖牌

CVPR 2019 WAD 是自动驾驶领域的权威比赛，其中 nuScenes 比赛方向是 3D detection，旨在通过模型分析 3D 激光雷达/相机数据，赋予自动驾驶汽车侦测物体的能力，保障行驶安全。

nuScenes 不仅需要同时识别10类物体（相比 KITTI 只需预测单个类别），还加入了速度和属性的预测，而且需要解决严重的类别不均衡问题，因此任务难度大幅提高，因而也更具有实际意义。

比赛中，旷视设计了一个多尺度、多任务的模型，借助新型检测网络，结合均衡采样等策略，极大提高了模型的检测精度，尤其是在小物体上。由最终结果可知，相较于官方 Baseline 45.3%， 旷视的模型高出18个点，达到63.3%，比第二名也高出8.8个点， 击败一系列顶尖团队，一举夺魁。

CVPR 2019 WAD Detection/Tracking Domain Adaptation Challenge

Detection Domain Adaptation Challenge冠军奖牌

Detection Domain Adaptation Challenge 是 CVPR 2019 WAD 的另一项挑战赛，旨在对自动驾驶场景下的环境（二维图像信息）进行感知，今年的比赛主要解决领域自适应问题，即美国道路场景和中国道路场景的相互适应。

具体而言，即利用7万张美国道路场景数据进行训练，对近15万张中国道路场景进行测试，不允许使用任何标注测试数据，只允许使用 ImageNet 进行预训练。图像本身的不一致之外，不同天气、不同道路以及复杂的交通状况都给任务增加了额外挑战，同时也为实际使用提供了可能性。

旷视基于自身积累的检测算法之外，加之复现/使用的最前沿的检测算法（比如 NAS-FPN、Cascade RCNN），进而对 Cascade RCNN 做出一系列改进，使得网络在不同 IOU 阈值下的检测结果都有一定涨幅；同时，为了解决两个数据集之间数据分布不一致的问题，旷视还利用合并训练、AdaBN、Data Distillation 等技术手段，最终在测试集上高出第二名深兰科技1.7个点，同时在所有单类别上取得最高结果。

另外，在 Tracking Domain Adaptation Challenge 上，旷视使用 Online 方法进行多目标跟踪，即在高精度检测结果的基础上，使用 IOU Tracker 进行跟踪；跟踪过程中，改进和调试影响结果的多种因素，最终也在 Tracking 任务上取得第一。

CVPR 2019 FGVC iNaturalist\Herbarium Challenge

FGVC 颁奖现场

CVPR 2019 FGVC 是细粒度识别领域最权威的赛事，iNaturalist Challenge 是此项领域的旗舰比赛，旨在让计算机自动识别物体的精细类别，它不仅要求识别1000多个品种的动、植物，还要识别其在不同发育期的状态；Herbarium Challenge 则要解决开花植物野牡丹科的物种分类问题，所采用的图像集仅包括保存于腊叶标本上的干标本图像。

除了大模型/大分辨率图图像进行训练、测试等常规操作外，旷视还集成最前沿细粒度技术成果（比如 Coarse-to-fine hierarchical classification、iSQRT、Class-Balanced Focal Loss 等），同时创造性提出“后验概率重校准”技术，即通过先验知识对模型输出的后验概率进行校准，极大提高拥有较少训练图像的长尾类别的识别准确率，两项比赛结果均高出第2名近1个点，一举夺魁。

在业务方面，商品识别、菜品识别、缺陷检测、生产线零件识别、车型/车辆识别等均是细粒度图像分析技术的应用，目前已应用于产品研发中。

在 iNaturalist 上，旷视击败了通用动力等顶尖团队；在 Herbarium 上，旷视击败了大连理工（上年冠军）、瑞典自然历史博物馆、Facebook。

CVPR 2019 NTIRE Real Image Denosing Challenge

Real Image Denosing Challenge 冠军奖牌

CVPR 2019 NTIRE Real Image Denosing Challenge 基于新近的智能手机图像降噪数据集 SIDD，它由很多真实的噪声图像及其相应的 ground truth 组成，且每幅图像都有以原始传感器数据（raw）和标准 RBG（sRGB）格式存储的两个版本。

图像降噪一直是旷视研究院“手机摄影超画质”的技术储备项目，自第一版原型诞生以后不断迭代；其中，针对原始传感器数据（raw）的图像降噪更是整个项目的基础技术。

这次比赛中，旷视研究院提出针对 raw 图像的基于 U-Net 框架的“拜尔阵列归一化与保列增广”方法。尽管不同输入图像间的数据格式存在差异，但是，为保持网络输入一致性，旷视精心设计了一种数据预处理方法，使得相同的网络工作应用到具有不同拜耳模式的输入上，从而在保证性能的前提下用更大的图像集合训练网络。

本次冠军算法已成功落地于 OPPO Reno 10 倍变焦版。OPPO Reno 10 倍变焦版搭载了基于旷视超画质技术研发的“超清夜景2.0”功能，能够为用户提供非同凡响的夜拍体验。这也是旷视超画质技术首次运用在大规模量产机型上。

价值创造驱动技术创新 做真正WORK的科研

人工智能自诞生之日起便已宣称了其改变世界的雄心。当图灵于1950年在论文《Computing Machinery and Intelligence》尾页画上句号的刹那，一个前所未有的属于人类的智能时代就此拉开序幕。

从 Marvin Minsky 于1966年对机器人模仿人类抓取物品的研究，到神经心理学家 David Marr 于80年代初创建的关于计算机视觉研究的理论框架；从手工特征设计到受生物视觉神经网络为启发而诞生的卷积网络（CNN），人类将机器智能从小说幻想带进了现实，为世界装上了明眸。

人工智能，其本质是造福人类，便利生活，所以能否为世界带来足够的价值是旷视关注的核心。通过深挖社会痛点，找出致病原因，旷视一直在寻找着让世界更美好的方法

旷视成立早期便上线了自主原创的深度学习框架——Brain++。作为企业级的人工智能算法制造工厂，Brain++ 从底层有力支撑着旷视研究院整体的研究生产工作与旷视核心产品的工程化建设。这次6冠的胜利，即是上述算法和底层系统优越性的再次证明。

凭借强大的软硬件结合能力，旷视目前已在个「人设备大脑」、「城市大脑」和「供应链大脑」三个核心 AIoT 场景深度布局。在与行业龙头力量的联合下，旷视正在推进尖端技术方案的强垂直落地，为整个产业结构调整及商业变革激活引擎，积聚力量；与生态伙伴一起服务于数字化建设，用软硬结合的解决方案为客户提供闭环的商业价值，成为行业智能物联方案专家。