曠視反哺，智源立新

在人工智慧領域，學界向工業界貢獻人才屢見不鮮，而工業界反哺學界依然欠缺系統運作。曠視與北京智源人工智慧研究院的合作，有望成為一個標杆案例。

4 月 16 日，智源學者計劃啟動暨聯合實驗室發布會召開。發布會上，曠視與北京智源人工智慧研究院聯合公布了 「智源學者計劃」，同時宣布成立 「北京智源-曠視智能模型設計與圖像感知聯合實驗室」。

2018 年 11 月，北京智源人工智慧研究院（Beijing Academy of Artificial Intelligence，以下簡稱 BAAI）在科技部和北京市委市政府的指導和支持下，由北京市科委和海淀區政府推動成立。

BAAI 將依託北京大學、清華大學、中國科學院、曠視等人工智慧領域優勢單位，合作建設的新型研發機構。

打開今日頭條，查看更多圖片科技經費 「包干制」

BAAI 的 「新」，首先體現在智源學者計划上。

BAAI 院長、北京大學計算機系主任黃鐵軍介紹道：「智源學者計劃的目標，就是要找到最好的人，給他自由支配的經費，提供他需要的資源，支持開展人工智慧領域特定方向上的重大基礎問題研究，或者開展前沿問題的自由探索。」

言下之意，「自由」 是該計劃的最大特點。據悉，智源學者計劃會給予入選科學家充分的尊重和信任，將技術路線決策權和人財物支配權全部交於科學家，試點科技經費的」 包干制 「。

曠視首席科學家、曠視研究院院長孫劍評價道：「智源學者計劃是制度上的創新。」

據悉，智源學者計劃重點支持四類人才，分別是智源首席科學家、智源研究項目經理、智源研究員和智源青年科學家。

其中，智源首席科學家為領域內頂尖專家學者，負責研究方向的整體規劃布局。

智源研究項目經理要求兼備技術和管理才能，主要承擔項目管理和多方溝通工作。

智源研究員由智源首席科學家推薦，負責對項目實施管理，以及開展科研活動。

智源青年科學家則是四類人才之中最年輕且具備發展潛力的學術英才，要求候選人在 38 歲以下，從事人工智慧領域的科研工作，能夠根據個人擅長領域或研究興趣方向進行開放性、探索性研究。

目前，經過提名、初評、審議等流程，已經遴選出首批智源學者共 21 人。

中國科學院院士、北京大學數學科學學院張平文教授，將擔任首批智源學者 「人工智慧數理基礎」 重大研究方向首席科學家。北京大學夏壁燦教授，將擔任智能研究項目經理。

除此之外，還有 10 名智源研究員候選人，和 9 名智源青年科學家候選人。青年科學家候選人里，「人工智慧數理基礎」 方向有 5 人，「機器學習」 方向有 4 人，分布來自北大、清華、北京應用物理與計算數學研究所和曠視。

值得一提的是，候選青年科學家、曠視研究院研發總監張祥雨博士僅 28 歲，是首批智源學者候選人中年齡最小的。

黃鐵軍表示，今年將計劃遴選智源學者 100 人，其中青年科學家 30–50 人。2020 年和 2021 年再分別增加 100 人，智源學者總體規模保持在 300 人左右。

BAAI 的 「新」，還體現在聯合實驗室上。

BAAI 副院長唐傑表示：「研究院希望跟人工智慧優勢單位成立聯合機構，聯合實驗室是其中一個重要組成部分。在聯合實驗室框架下，我們希望跟優勢的企業和院所一起組織數據共享、支持數據開源、推動場景開放，實施協同創新。」

在聯合實驗室的建設上，BAAI 遵循 「成熟一個、啟動一個」 的原則，擇優支持共建，最多可連續支持三年。

唐傑強調，「北京智源 - 曠視智能模型設計與圖像感知聯合實驗室」 已通過立項論證，也是智源聯合實驗室首個成功落地的項目。

該聯合實驗室擬由曠視研究院院長孫劍擔任實驗室主任，曠視資深研究員周舒暢任實驗室副主任。

在實驗室揭牌現場，孫劍一針見血指出了當前人工智慧行業創新所面臨的問題：「目前有大量的高校、研究院所、創新創業人員和行業客戶，想參與到人工智慧創新中，但苦於沒有數據，算力或演算法等資源，無法施展。」

針對這些問題，聯合實驗室將基於曠視在計算機視覺技術和應用的積累，通過 3 年時間，建設一體化的數據共享、模型設計與場景測試的開放創新平台。

數據方面，實驗室將立足曠視演算法落地場景豐富、數據積累深厚的優勢，以開源數據集、預抽取特徵等形式，持續開放通用物體分類、物體檢測追蹤、人像人形識別屬性等視覺問題數據。

在發布會上，曠視和 BAAI 聯合推出了全球最大的物體檢測數據集 ——Objects365。孫劍介紹道：「Objects365 定義了生活中常見的 365 個類別，第一批將開放 63 萬張圖像，1000 萬的標註框。開放圖片數是 COCO 的 5 倍，標註框超過 COCO 的 11 倍。」微軟發布的 COCO 是業內流行的目標檢測數據集，專為對象檢測、分割、人體關鍵點檢測、語義分割和字幕生成而設計。

模型設計優化方面，平台將提供自動化模型搜索、錯誤分析與可視化工具，加速大模型架構探索和優化，降低面嚮應用的模型設計門檻，來解決傳統模型架構人工設計方法的經驗性強，迭代周期長的問題。

同時，實驗室還將積極探索低位寬神經網路相關技術，研究實現對於大計算量模型的雲上和終端兩級的硬體支持，完成從模型搜索到實際應用的垂直整合。

場景驗證方面，實驗室將通過建設人臉抓拍識別、結構化檢測、大規模人像比對等驗證場景和提供自動分析報告服務，為研究演算法調優提供環境，並積極探索低位寬等網路壓縮技術，研發高效硬體部署方案，推動模型研究成果迅速投入實用。

針對計算機視覺演算法與真實場景適配的問題，實驗室還將建設可重現的實景測試環境，並提供自動化的量化錯誤分析報告，幫助演算法迭代。

通過以上措施，實驗室將被打造成為一個開放、貼近實際場景的計算機視覺演算法研究實驗平台，形成涵蓋數據、平台、場景的完整閉環。

孫劍介紹道：「實驗室平台建成後，將面向高校院所、創業企業等創新創業主體開放。」

發布會當天，Detection In the Wild 2019（DIW 2019）挑戰賽也正式啟動。

DIW 2019 由曠視和 BAAI 聯合舉辦，目的是推動目標檢測技術的發展，改善現有目標檢測數據集的類別覆蓋不全、標註精度不高、密集場景缺少等問題。

據孫劍介紹，該挑戰賽已成功申請為 2019 CVPR Workshop。CVPR 全稱計算機視覺與模式識別會議，是計算機視覺三大國際會議之一。

挑戰賽將於 5 月 10 日開放測試集，6 月 10 日暫停提交測試集，6 月 17 日公布比賽結果。

主辦方為每個賽道的冠軍隊伍準備了 10000 美元的獎勵。屆時，優勝隊將在 CVPR 現場的研討會上介紹經驗，共同探討檢測問題的瓶頸及優化方向。

挑戰賽基於曠視最新發布的最大通用物體檢測數據集 Objects365 以及之前發布的大規模擁擠場景數據集 CrowdHuman，分為三個賽道：Objects365 賽道、Objects365 小賽道和 CrowdHuman 賽道。

Objects365 賽道意在探索目標檢測系統的瓶頸。選手將利用公開的訓練集對檢測模型進行訓練，訓練集包括 365 種類別、60 萬張圖片和超過 1000 萬個框。

並且，選手還需要在 3 萬張圖片構成的驗證集上調試演算法，以及在 10 萬張圖片構成的測試集上進行最終的挑戰。

為了降低參賽門檻，加快演算法迭代速度，研究長尾類別檢測問題，Objects365 小賽道則從 Objects365 數據集中挑選出 65 個類別，選手可以用 1 萬張圖片進行模型的訓練。

CrowdHuman 賽道則是為了解決現實生活中的遮擋問題，推動人體檢測演算法落地。選手將基於專門為密集場景人體檢測設計的 CrowdHuman 數據集進行訓練，數據集包含有豐富標註信息和多種場景。

從聯合設立實驗室到舉辦挑戰賽，BAAI 之所以選擇和曠視深度合作，是看重其在人工智慧領域的長期積累。

目前，曠視擁有國內外在申及授權專利 1000 余件，代表行業領先技術提供方參與了 19 項人工智慧國家及行業標準制定。

在各項國際人工智慧頂級競賽中，曠視攬獲 25 項世界技術評測第一。2018 年 12 月，曠視獲批全國博士後科研工作站一級站點。

人工智慧的三大基礎是數據、演算法模型和算力。曠視在這三方面都取得了一定的成績。

數據集建設和共享上，曠視研究院建設了數百人的數據管理、開發團隊。目前，曠視已經開放了兩個數據集：密集場景人體檢測數據集 CrowdHuman，以及通用物體檢測數據集 Objects365。

高精度模型研發方面，曠視研究院提出 ShuffleNet、DorefaNet 系列模型，覆蓋輕量級低功耗設備和高性能、高任務難度的複雜模型設計，比如曠視研究院在 COCO 2018 上憑藉 ShuffleNet V2 高精度版本一舉拿下 4 項冠軍。

同時，曠視研究院第三代 AutoML 系統在分類、檢測等多個任務上均超過人類模型設計水平，成功落地於人臉識別、物體分割等實際業務。

計算力平台方面，曠視研究院開發原創深度學習雲平台 Brain++ Platform，它能完成數據存儲、標註、深度學習訓練、GPU 虛擬化管理和模型發布的大規模分散式系統。目前，Brain++ Platform 平台擁有數千 GPU 級計算資源，提供數十 PB 級存儲空間。

此外，曠視還擁有一個完全自研的人工智慧框架 Brain++，「內部版本已經升到了 7.0」。

孫劍在發布會上分享道：「我們一直在想，到底做什麼才能幫助整個人工智慧行業的發展。」 聯合 BAAI、開放數據集和開放創新平台、舉辦 DIW 2019 挑戰賽，曠視已經邁出了第一步。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！