近日，计算机与人工智能学院、湖北省服装信息化工程技术研究中心组织指导4支代表队12名学生（研究生）参与了“计图”人工智能挑战赛，经过紧张激烈的角逐，在同北京大学、清华大学等众多名校学子竞争中，最终学院4支代表队全部进入了复赛B榜环节，取得较好成绩。
本届竞赛包括“交通标志检测”和“狗细分类”两个赛道。在交通标志检测赛题中我校2支队伍顺利进入复赛，在复赛B榜数据集测试中，该赛题的2支队伍不负众望，王生辉、杨辰、张梓怡组成代表队荣获复赛第18名的好成绩，另一只队伍（黄晶晶战队）获得第21名的好成绩。在“狗细分类”赛题中我校2支队伍在400余支队伍中成功突出重围，顺利进入复赛，在复赛B榜数据集测试中，2支代表队分别成功收获22名、26名的成绩。
“计图”人工智能算法挑战赛是在国家自然科学基金委信息科学部指导下，由北京信息科学与技术国家研究中心和清华大学-腾讯互联网创新技术联合实验室联合主办，基于清华大学“计图”深度学习框架，开展的人工智能算法比赛。
赛后，计算机与人工智能学院研究生代表参加了在北京举行的第三届“计图”论坛暨第一届“计图”人工智能算法挑战赛颁奖典礼，听取了清华大学朱军、胡事民教授，哈尔滨工业大学左旺孟教授学术报告。学院研究生组成的“交通标志赛题”参赛队获表彰。
会上，清华大学朱军教授对“可微分概率编程及其应用”进行了简要报告，对传统DNN的局限性做出了简要概述，并对珠算框架下使用Bayes-DNN，将可微编程和概率编程相结合，数据处理后再进行拟合的方法进行了思路分享，同时对“计图”框架表示了高度赞同，对向“计图”框架中移植珠算编程库很有信心。
哈尔滨工业大学左旺孟教授就“面向低标注成本和非理想监督的深度网络学习方法初探”一题进行了简要报告。左教授对当前机深度学习的标注成本进行了展示，表示当前深度学习框架对数据及标注要求相对较高。通过将多个框架与标注方式进行对比，左教授展示了一种相对效果不弱的低标注成本方法，使用Resnet等训练网络在ImageNet数据集训练结果准确率下降不到1%，拥有较好的发展前景。
清华大学计算机科学与技术系图形学实验室负责人胡事民教授对本次活动成功表示热烈祝贺，对复赛入榜代表队进行了勉励，为获奖的代表队依次进行了颁奖。胡事民表示，“计图”框架目前是我国完全自主研发的深度学习框架，国家自然科学基金委对该项目十分重视，清华大学计算机科学与技术系图形学实验室将会与大家共同建设好这个学习框架，组织更多的学术论坛、学科竞赛进行不断完善，促进我国深度学习领域自主化发展，为我国深度学习领域培养更多人才。
点击量排行
发稿排行
