▲特斯聯人工智能團隊奪得ECCV VIPriors比賽第二名

此次挑戰賽,聚焦于如何使用視覺歸納先驗知識,提高數據使用效率,共設置包含圖像分類、目標檢測、實例分割和動作識別四大賽道。就目標檢測賽道而言,賽事著重關注的是,在數據不足的條件下,零基礎訓練檢測器,用以檢測DelftBikes數據集上的自行車零部件。該數據集包含10,000張自行車圖像,零部件區域存在缺失、損壞或遮擋等情況,對已有目標識別技術造成極大困難。針對這一挑戰,結合特斯聯人工智能技術及產品在行業中的應用積累,特斯聯團隊設立了一套完整的目標檢測框架,從數據預處理、基于弱監督的自訓練、目標檢測框架優化等環節進行技術創新,并最終通過多模型集成將AP@0.50:0.95提升至0.329,極大提升了經典目標檢測算法在此條件下的檢測精度和適應性。同時,相關技術也適用于其他多目標檢測應用場景。


打造低代碼無代碼平臺,推動研究成果落地


于特斯聯而言,比賽的結束僅是研究的開始。特斯聯積極參與國內外賽事以此打磨更貼近產業應用的預訓練模型;通過行業真實數據和需求對參賽模型進行適配及進一步優化;并最終通過TacOS智能城市操作系統及九章AI算法賦能平臺,賦能整個行業。

▲九章AI算法賦能平臺用戶界面

作為TacOS的核心AI中臺,九章AI算法賦能平臺具備“模塊化”、“原子化”的特性,其打造旨在充分貫通學術生態和產業生態,使學術生態得以基于產業數據研發相應的預訓練模型,并進一步讓各體量、具備不同AI基礎的企業均能基于這些模型,通過低代碼、無代碼的方式依據自身需求,實現自有知識產權算法的孵化及既有成熟算法的調用。目前,特斯聯已經開始基于汽車零配件識別的真實行業需求及大量的行業實際數據,對VIPriors參賽模型進行訓練及適配,以期實現對汽車零配件行業智能化轉型的支持。

以學術探索賦能產業應用,再以市場反饋反哺科研創新,在特斯聯看來這是一個螺旋式發展的過程,也是AI走向應用必不可少的階段。特斯聯期待在不斷推動AI前沿技術探索的同時,進一步完善TacOS及九章AI算法賦能平臺,為各類企業打造流程化、低門檻的AI基礎設施,讓更多企業享受到新技術的紅利,也讓AI更“接地氣”。

截止目前,特斯聯已經基于逾8000個AIoT項目積累的數據,打造了覆蓋工業互聯網、智慧能源、智慧建筑等行業,數百種細分領域需求的預訓練模型。

IEEE發布2023年全球科技趨勢,特斯聯楊旸受邀調研

上一篇

特斯聯楊旸出席《麻省理工科技評論》峰會:TacOS城市操作系統是AI CITY核心競爭力

下一篇
HEYZO高清av中文有码_HEYZO高无码综合国产精品_HEYZO一区二区高清伊人_播放