NetEase Fuxi a remporté les concours CVPR 2023 UG2+ et VizWiz, et son article a été sélectionné comme TIP

Récemment, les résultats du concours CVPR 2023 ont été annoncés. NetEase Fuxi Lab a obtenu la première place au CVPR 2023 UG2+ Haze Target Recognition Challenge et au VizWiz Few-Sample Target Recognition Challenge. Leurs articles connexes ont également été acceptés par TIP, la plus grande revue internationale. Cela montre que les capacités d'innovation technologique de NetEase Fuxi dans le domaine de la vision par ordinateur ont été hautement reconnues au niveau international.

De février à juin 2023, la conférence IEEE/CVF sur la vision par ordinateur et la reconnaissance de formes (CVPR), en tant que conférence la plus importante dans le domaine de la vision par ordinateur et de la reconnaissance de formes internationales, a coopéré avec des institutions universitaires mondiales faisant autorité et des entreprises de renom. organiser un certain nombre de courses de défis. Ces défis ont suscité une large participation de la part de nombreuses équipes de recherche en IA. Récemment, CVPR a successivement annoncé les résultats des récompenses et délivré les certificats de récompense. En tant que conférence universitaire de premier plan sur l'IA organisée par l'IEEE, CVPR jouit d'une influence académique et d'une reconnaissance sociale extrêmement élevées.

Dans le CVPR 2023 UG2+Object Detection in Haze Challenge et le CVPR 2023 VizWiz Few-Shot Object Recognition Challenge, NetEase Fuxi et le professeur de sciences et technologies chinois Yu Jun de l'université ont travaillé en équipe et ont obtenu la première place. Cette coopération se concentre principalement sur deux aspects : la détection de cibles et la reconnaissance de cibles sur quelques échantillons dans le domaine de la vision par ordinateur. Ces technologies peuvent être largement utilisées dans les tâches de vision dans divers domaines. En particulier dans les applications industrielles, la détection de cibles sur quelques échantillons est d'une grande valeur et importance dans les scénarios où l'acquisition et l'annotation des données sont difficiles. Grâce au succès de ce concours, nous avons démontré la force de recherche et les capacités d’innovation de NetEase Fuxi dans le domaine de la vision par ordinateur. Nous continuerons à nous engager à promouvoir le développement de la technologie de vision par ordinateur et à fournir des solutions plus précises et plus efficaces pour des applications pratiques.

UG2+ vise à faire progresser l'analyse des images « difficiles » en appliquant des algorithmes de restauration et d'amélioration d'images pour améliorer les performances d'analyse. Les candidats sont chargés de développer de nouveaux algorithmes pour améliorer l'analyse des images capturées dans des conditions problématiques. L'objectif de VizWiz est de sensibiliser davantage de personnes aux besoins et intérêts technologiques des personnes ayant une déficience visuelle et d'encourager les chercheurs en intelligence artificielle à développer de nouveaux algorithmes pour éliminer les barrières d'accessibilité. Les concours comprennent généralement des tâches telles que l'identification d'objets dans des images, l'identification de texte dans des images et la réponse à des questions sur les images. Ce qui suit est un bref aperçu de l'article primé de NetEase Fuxi :

Représentations de sélection de canal omni-fréquence pour la détection d'anomalies non supervisées

Représentations de sélection de canal omni-fréquence pour la détection d'anomalies non supervisées

Mots clés : Détection d'anomalies d'image non supervisée

La détection des anomalies joue un rôle important dans la compréhension des images visuelles et est utilisée pour déterminer si une image donnée s'écarte d'un état normal prédéfini. Il est largement utilisé dans la détection de nouveautés, la surveillance de la qualité des produits industriels basée sur l'image, la réparation automatique des défauts, la surveillance de la santé humaine et la vidéosurveillance. Actuellement, il existe trois principaux types de méthodes traditionnelles de détection d'anomalies non supervisées, notamment les méthodes basées sur la densité, les méthodes basées sur la classification et les méthodes basées sur la reconstruction. Ces méthodes permettent de détecter les anomalies en analysant les caractéristiques statistiques des images, en apprenant des échantillons normaux et en reconstruisant les images, fournissant ainsi des outils fiables et un support technique pour diverses applications.

Parmi elles, la méthode basée sur la reconstruction est rarement mentionnée en raison de sa faible capacité de reconstruction et de ses faibles performances. Cependant, elle ne nécessite pas un grand nombre d'échantillons de formation supplémentaires pour une formation non supervisée et est plus pratique dans les applications industrielles. À cette fin, cette étude se concentre sur l’amélioration de la méthode basée sur la reconstruction et propose un nouveau réseau de reconstruction sélective de canal pleine fréquence (OCR-GAN), qui est le premier à gérer la tâche de détection des anomalies sensorielles du point de vue de la fréquence. Un grand nombre d’expériences ont prouvé l’efficacité et la supériorité de cette méthode par rapport aux autres méthodes. Par exemple, sans données de formation supplémentaires, de nouvelles performances SOTA sont obtenues sur l'ensemble de données MVTec AD, avec une AUC de 98,3, dépassant largement la ligne de base de la méthode basée sur la reconstruction de 38,1 et la méthode SOTA actuelle de 0,3.

L'article propose une solution innovante pour résoudre le problème des anomalies de l'interface utilisateur dans les tests de compatibilité des jeux intelligents. Cette solution utilise la technologie d'intelligence artificielle pour détecter automatiquement les anomalies de l'interface utilisateur qui se produisent lors de l'exécution du jeu et réalise l'automatisation des tests de compatibilité des jeux. En utilisant la technologie de détection des anomalies d'image, nous détectons automatiquement un grand nombre de captures d'écran d'interface de jeu générées du point de vue de la vision par ordinateur, obtenons des images anormales de l'interface utilisateur et aidons les développeurs de jeux à localiser rapidement et précisément la cause du problème, économisant ainsi efficacement tests de jeux. Le coût de la main-d’œuvre des experts.

Cet article, en collaboration avec l'équipe du professeur Liu Yong de l'Université du Zhejiang, a été sélectionné pour publication dans la revue IEEE Transactions on Image Processing (TIP). TIP est la meilleure revue dans le domaine de la recherche sur le traitement d'images sous IEEE. Il s'agit d'une revue dans le domaine SCI de l'Académie chinoise des sciences et d'une revue de catégorie A dans le domaine de l'infographie et du multimédia (CCF A) recommandée. par la China Computer Society. Le facteur d'impact de la revue en 2022-2023 atteint 11,041.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!