视觉大赛获世界第一 平安科技奥卡姆平台助产业发展

最近，在国际计算机视觉竞赛Pascal VOC挑战赛(模式分析、静态al建模和计算学习)的目标检测comp3跟踪中，安全技术Occam自动化机器学习团队在21个评价指标上以优异的表现获得了世界最佳成绩，超越了国内外许多著名的人工智能企业和大学人工智能实验室，并以86.5%的mAP综合得分获得冠军。

[奥卡姆队再次领先国际比赛]

帕斯卡挥发性有机化合物挑战赛是一个权威的测试比赛，为分类，识别和检测的视觉对象。VOC2012 comp3航迹是评估目标检测算法性能的重要基准。其数据量小且不平衡，识别困难。它吸引了许多国内外技术巨头和顶级研究机构的参与，包括阿里巴巴图灵实验室、百度、腾讯、英特尔、清华大学和微软研究院。可以说，帕斯卡VOC挑战赛的竞争是激烈的，也是一条能够反映模型检测性能的赛道。

图1:帕斯卡·沃克2012年第三次缔约方会议轨道进入系统信息

(红盒子是平安科技联盟的奥卡姆团队)

在最新的comp3赛道列表中，平安奥卡姆自动机器学习团队开发的NAS-YoLo目标检测算法在60支参赛队伍中以86.5%的mAP综合得分获得第一名，在全部21项评价指标中的18项中占据第一名，展示了全方位的技术领先。

图2:帕斯卡·沃科2012年第三次缔约方大会赛道表现排名

(红盒子是平安科技联盟的奥卡姆团队)

[创新方案有效提高目标检测能力]

目标检测是图像领域的三大基本任务之一，它要求算法在给定的图像中准确定位目标的位置，并标记待定位目标的类别。困难在于图像中目标的大小、位置和姿态是不确定的，并且在同一图像中可能有多个目标。然而，在帕斯卡的挥发性有机化合物的数据集，算法更难识别，因为多种多样的目标场景和小数据集。

为了解决上述问题，平安科技奥卡姆团队在自动机器学习和深度学习中创造性地提出了基于深度知识积累的NAS-YoLo目标检测模型。将YoLo模型引入到自动数据增强和神经结构搜索中，大大提高了目标检测模型的检测精度。该模型采用自动数据增强方法，为不同的分布式数据集选择合适的数据增强策略，解决了数据集小、性能难以提高的问题。该方案增加了基于超网络的神经结构搜索，基于分治法的并行分布式策略，加快了搜索过程，从而降低了搜索时间和难度。为了提高准确率，该团队进一步整合了基于SMBO的自动参数调整方法，为NAS-YoLo生成最佳超参数组合，在目标检测领域取得重大突破，超越众多顶尖团队，在竞争中获得第一名。

[获奖奥卡姆平台有助于行业发展]

冠军模型背后的Occam ockham自动化机器学习平台是由平安科技为开发者和广大用户开发的一个人工智能算法平台，提供大规模数据预处理、大规模分布式模型训练、自动化模型生成和一键生成部署能力用于深度学习。Occam平台致力于以更少的人工参与、更低的计算成本、更高的模型精度和更短的开发周期为核心目标，集成了六项前沿的机器学习技术，即过程自动化、自动数据增强、分布式加速、自动模型压缩、自动参数调整和自动网络构建。奥卡姆平台与数百个人工智能共享资源(如图像、语音和文本的各种前沿算法的综合开放库，以及包括NAS-YoLo在内的众多冠军模型)合作，不仅为开发人员带来了高效便捷的开发体验，还充分体现了该平台作为超级人工智能算法引擎的长远目标，致力于以更先进、更科学的技术推动工业发展，并借助高性能算法为各领域的发展创造更大价值。

迄今为止，奥卡姆平台已获得7项国际竞赛冠军、23篇国际学术会议论文、446项专利和8项金融科技大奖。它就像一枚深水炸弹，以无与伦比的硬实力引爆了人工智能领域，辅助了工业发展。

目前，奥卡姆平台已服务于语音、声纹、人脸、光学字符识别、自然语言处理、医学成像等领域的几十个研究团队。广泛推广人工智能技术，使平安集团的财产保险、人寿保险、银行、普惠等专业公司的业务得以开展。其中，基于奥卡姆平台迭代训练的座椅机器人已经在平安集团1000多个场景中投入使用，授权11家专业公司，每年节省10多亿元。

本文由 在线网速测试 整理编辑，转载请注明出处，原文链接：https://www.wangsu123.cn/news/7017.html。