最近，两年一次的世界计算机视觉峰会的各种挑战的结果公布了。在图像分类比赛中，阿里安全高效的AI分类技术超过了三星、神兰科技、同济大学等国内外众多球队的同类技术，获得冠军。
目前人工智能的兴起是基于海量的标注训练数据，可以保证AI模型的效果。但是数据采集和标注需要昂贵的人工成本，培训需要大量的计算资源。分类比赛的难度在于，与其他比赛往往使用数十万的数据不同，分类比赛有1000个类别，每个类别只有50张图片作为训练数据。比赛要求选手从零开始训练模型，不使用任何预训练模型和额外数据。这意味着训练极其困难，几乎不可能。
但这恰恰是为了检验参赛队伍如何充分利用来之不易的训练数据，促进AI神经网络高效学习，减少神经网络训练过程中人力和计算资源的消耗。也就是说，参与团队要构建一个高效低成本的分类AI。
阿里安全图灵实验室算法工程师叶青介绍，阿里安全智能算法团队在三个技术方向上取得突破：使用随机选取的两幅训练图像，利用数据增强和拼接最大化训练样本资源；设计独特的神经网络结构，加入显著特征模块挖掘样本特征，提高分类性能；AI模型采用层次语义结构，可以更好地挖掘数据，达到更好的学习效果。
阿里安全图灵实验室资深算法专家华堂认为，高效的AI分类技术在很大程度上解决了数据标注的计算资源消耗和人工成本问题，为自动驾驶、对象识别、智慧城市等领域提供了新的思路和方法。
在线下新零售场景中，对于货架上的一款新产品，原AI工程师需要从不同的角度、光照条件、地点拍摄、采集上千张甚至上万张图片，并标记出来用于训练模型，以保证AI模型能够充分学习产品的特性。在阿里安全提出的方案下，产品图片数量减少到50张以下，可以保证模型的识别能力。
我们的方法还可以有效地与自我监控相结合，引导模型高效学习，在学习更好的数据表示的基础上获得更好的识别能力。叶青说。
目前，基于小尺度图像的高效AI技术阿里安全已经应用于知识产权商标识别、一般商品识别和动植物保护。这种场景类别多，每个类别样本少。但是，预训练任务和目标任务是有区别的，预训练模型可能会损害目标任务的准确性。该方案可以解决上述问题。
以知名的运动鞋品牌尚欣为例，一段时间内只能从几个不同的角度得到产品的不同颜色和产品的图片。在只有少量产品展示图的情况下，通过高效的AI方案，可以在新产品出来的很短时间内实现新产品识别能力的覆盖，降低新产品被假冒和仿冒的风险。华堂说。
描述：新产品推出后，高效的人工智能方案可以快速保护新产品的知识产权
阿里安全图灵实验室高级算法专家薛辉表示，疫情期间，口罩的突然佩戴使得大量人脸门禁失效，很多社区需要摘下口罩、刷脸，带来了不必要的健康风险。高效人工智能分类技术的应用大大降低了模型初始化的数据需求，有助于快速训练模型，解决了带面具的人脸识别问题。
今年3月，阿里率先为新基础设施提出新一代安全架构和安全基础设施，并开始搭建数字基础设施安全模型室。作为新一代安全体系结构安全技术层的核心人工智能技术，目前高效的人工智能方案已经使阿里的智能化成为可能
相关阅读
标签： #网络打假最新动态
