今年的夏天,，對賽靈思中國 AI產品團隊來說是一個不平凡的夏季： 在相繼舉行的一年一度2021 CVPR （IEEE Computer Vision and Pattern Recognition conference，即IEEE國際計算機視覺與模式識別會議）,，以及2021 ICCV （ IEEE International Conference on Computer Vision,，即國際計算機視覺大會）上，我們的團隊每個大會各斬獲兩份榮譽,，“雙獎”連連,，激動人心。

CVPR 和ICCV 是全球排名前三的計算機視覺學術頂級會議中的兩個（第三個是ECCV,， 即歐洲計算機視覺會議 ）,，兩大頂會相繼授予的雙重榮譽，無疑是對賽靈思 AI 產品團隊在全球競爭領域技術實力和創(chuàng)新能力的高度認可和有力證明,。

在人工智能領域,， CVPR 位列谷歌 （ Google） 學術總榜第一名。2021 CVPR接受了賽靈思 AI 研發(fā)團隊題目為《RankDetNet：探索目標檢測中的排序約束（RankDetNet: Delving into Ranking Constraints for Object Detection ）》的論文,。與此同時,，該團隊也在CVPR 自動駕駛研討會組織的 2021 Waymo 開放式數據集挑戰(zhàn)賽中榮獲三等獎。論文連續(xù)兩年入選 CVPR和挑戰(zhàn)賽全球季軍的成績,，展示了賽靈思 AI 研發(fā)團隊在理論與實踐“雙引擎”發(fā)展的道路上,，正闊步前進。

我們的論文采用一種新穎的方法 — 一種用于替代分類來學習候選框的排序和定位的排序優(yōu)化方法,。我們的工程師探索了各種排序約束條件,，如全局排序、特定類別排序以及 IoU-guided 排序的損失等。傳統(tǒng)的分類損失會忽略候選框之間的聯(lián)系,，通過配對排序優(yōu)化的方法可以對候選框之間施加約束,，這些約束有利于保留高質量的檢測結果。該方法很容易實現(xiàn),，能夠與主流檢測框架兼容,，而且不會增加推斷計算。  

我們的算法是用三種配對的排序損失替換常規(guī)的分類損失,。最重要的是,，RankDetNet 在 2D 及 3D 目標檢測基線方法上實現(xiàn)了性能的一致提高。

至于“Waymo 開放式數據集實時3D檢測挑戰(zhàn)賽”,，參賽者的任務是通過一幅由3D LIDAR掃描生成的深度圖,，來為場景中的目標生成3D檢測結果框。與此同時需要保證檢測模型在英偉達Tesla V100 GPU上能達到每幀70毫秒的推理速度,。

在此次挑戰(zhàn)賽項目上,，我們的團隊展示了賽靈思在高級駕駛輔助系統(tǒng) (ADAS) 應用上的算法開發(fā)實力。依靠多年來端側部署的經驗,，我們使用PointPillars做為主干網絡加快提取點云特征,，同時采用Centerpoint的無錨框檢測頭提升精度。為了保證算法的實時性,，引入了結構重新參數化技術、Quality Focal Loss等無推斷時成本的方法來優(yōu)化檢測性能,；同時還在基于網格特征的基礎上引入了基于原始點云的特征,，以改進檢測目標的特征表達。使用這些方法,，該團隊最終在68.4毫秒每幀的檢測速度下達到了70.46 mAPH/L2的準確度,。這個成績讓該團隊在3D點云檢測挑戰(zhàn)賽中榮獲了第三名的成績。

而在今年隨后舉行的ICCV 上,，賽靈思 AI 研發(fā)團隊又有兩篇論文成功入選,，再次獲得“雙贏”榮譽。

第一篇論文《通過Bin正則化改進低精度網絡量化,，（Improving Low-Precision Network Quantization via Bin Regularization）》,，提出了一種新的權值正則化算法，旨在改進低比特網絡的量化精度,。該算法并沒有優(yōu)化weights的整體分布,，而是分別優(yōu)化每個量化Bin中的數據，使其盡可能接近目標量化值,。這種Bin正則化 方法可以讓weights的每個量化Bin的分布盡可能尖銳,，理想情況下接近于Dirac delta分布。主流圖像分類數據集 ImageNet上的實驗表明，我們的方法對于不同網絡結構（ResNet, MobileNetV2, MobileNetV3）,、不同bit widths（4/3/2 bits）都獲得了一致的量化精度提升,。特別地，我們提出的Bin正則化方法使得 2 bits 的 MobileNetV2 和MobileNetV3-Small 在 ImageNet 上的top-1分別提高了 3.9% 和 4.9%,。此外,，該方法易于實現(xiàn)，而且很容易集成到現(xiàn)有的低比特優(yōu)化算法上,，從而進一步提高模型量化準確率,。

第二篇論文《無監(jiān)督行人再識別的判別表示學習（Discriminant representation learning for unsupervised pedestrian re-identification）》，重點解決行人識別模型中典型的“兩階段”訓練方法問題,。行人再識別是智能監(jiān)控和智慧城市中的重要任務,，主要目的是在跨攝像頭中識別同一個行人身份。有監(jiān)督行人再識別通常需要耗時耗力的數據標注,，很大程度上限制了模型的可擴展性,。例如，當把一個在某個場景有監(jiān)督預訓練的模型直接應用在一個新場景時,，識別效果往往大打折扣,。因此，無監(jiān)督域適應下的行人再識別應運而生,，可以應對新場景沒有數據標簽的問題,。

為此，我們提出了三種技術手段來解決這些問題,。首先,，我們通過特征學習和聚類精化的迭代優(yōu)化提出了一種聚類對比學習算法（CCL，cluster-wise contrastive learning）,，以無監(jiān)督的方式學習抗噪表示,。其次，我們采用漸進式域適應(PDA,，progressive domain adaptation) 算法來逐步縮小源數據和目標數據之間的域差距,。第三，我們提出了傅里葉增強（FA,，F(xiàn)ourier augmentation）,，通過在傅里葉空間中施加額外的約束來進一步最大化 re-ID 模型的類可分離性。實驗證明,，這種方法在多個主流 benchmark 上刷新無監(jiān)督行人再識別的最好性能,。例如，在 Market-to-Duke,、Duke-to-Market,、Market-to-MSMT和Duke-to-MSMT 四個 benchmark 上分別超越 MMT 方法 8.1%,、 9.9%、11.4%和11.1% mAP,。