全国人工智能大赛

2020年全国人工智能大赛参赛队伍作品开源计划

AI+行人重识别 已开源
队伍:RM_AI
初赛最终排名:46
复赛最终排名:15
团队介绍:刘力铭,高毅鹏,王碧皓,石振周 ,齐国栋;
团队背景:锐明技术股份有限公司;
作品特色亮点:对数据进行了多步骤处理;采用多模型融合;制定了针对性的训练策略。
AI+行人重识别 已开源
队伍:立言立语/default7676166
初赛最终排名:35
复赛最终排名:6
团队介绍:团队主要擅长计算机视觉与语音算法;
作品特色亮点:基于DMT模型,采用多种方式加大样本颜色的抖动,并且使用混合精度训练方法。
AI+行人重识别
队伍:hsslab

李晓川

张润泽

范宝余

郭振华

赵雅倩
初赛最终排名:2
复赛最终排名:2
团队介绍: 浪潮国家重点实验室下ai小组;
作品特色亮点:mix难样本挖掘采样器;测试集tsne降维算法进行降维,然后用dbscan聚类。
AI+行人重识别
队伍:Streaks / tune

廖星宇
初赛最终排名:84
复赛最终排名:3
团队介绍: JD AI Research,团队成员为廖星宇;
作品特色亮点:设计并实现一个自动化的数据清洗流程;对训练集的颜色空间进行离线增强,提高泛化性能;混合精度训练,可以节约大约 40% 的显存;对 fc 进行降维,进一步加快了模型速度。
AI+行人重识别
队伍:神圣兽国游尾郡窝窝乡独行族妖侠

刘音

李碧

王军杰

程枫
初赛最终排名:34
复赛最终排名:12
团队介绍: 高校战队,共四人;
作品特色亮点:不同分辨率多模型融合;采用注意力机制的方法,对每个局部子特征进行动态分配权重。
AI+无线通信 已开源
队伍:cmri无线未来联队/很有精神!
初赛最终排名:6
复赛最终排名:14
团队介绍:团队成员共两名,均来自中国移动研究院。队长杨骄龙在中国移动研究院无线与终端技术研究所工作,主要从事无线智能云网络方面的研究;队员谢天在中国移动研究院未来移动通信技术研究所工作,主要研究方向为机器学习在无线通信物理层设计中的应用。队伍组成的方式与赛道名“AI+无线通信”类似:队长杨骄龙主攻深度学习部分的coding工作,队员谢天主攻通信问题建模并提供通信领域的专家知识,模型调参与验证工作两人共同讨论完成;
作品特色亮点:使用两级联网络提升信道估计性能;使用深层CNN处理信号检测;采用多模型集成。
AI+无线通信 已开源
队伍:Testing
初赛最终排名:55
复赛最终排名:37
团队介绍:USTC EE 硕士; 
作品特色亮点:采用端到端系统、分块系统。
AI+无线通信 已开源
队伍:Default-BUPT
初赛最终排名:24
复赛最终排名:33
团队介绍:本团队共五人,分别是李亚贤、赵博睿、李香君、翟津黎、王兆圆,来自北京邮电大学信息与通信工程学院,指导教师是崔琪楣教授和李立华教授。本团队隶属于泛网无线通信教育部重点实验室(首届主任:张平院士)和移动互联网安全技术国家工程实验室(主任:陶小峰教授),依托于北京邮电大学信息与通信工程学院的“双一流”建设“信息与通信工程A+”学科、网络安全学院的“一流网络安全学院建设示范项目(中央网信办)”,拥有先进而完善的无线通信试验环境和仪器设备。所在的泛网无线通信中心有固定人员32人(教授10名、副教授6名、讲师16名),承担完成NSFC、863、973计划等几十项国家级项目,在4G/5G组网关键技术、试验平台研制、国际标准化等方面有深厚积累;
作品特色亮点:先用传统通信公式对接收数据进行处理,再把处理过后的数据输入神经网络进行优化。这里神经网络的优化主要体现在信道估计的优化上,神经网络中的双向LSTM网络可以很好的提取相邻多个子载波信道之间相关性,在导频较少的情况下可以很好的降低传统LS信道估计+DFT插值的误差,大幅提升信道估计的准确性。对于信号检测,我们用了理论最优的ML检测算法,在信道估计误差最小、信噪比固定的情况下,ML检测可取得最高的检测准确率。
AI+无线通信
队伍:horch

沈碧螺

肖安琪

符礼丹
初赛最终排名:1
复赛最终排名:4
团队介绍: 2名来自中科院自动化所的学生和1名实习生;
作品特色亮点:采用端对端seq2seq模型;encoder负责将输入序列压缩成指定长度的向量,decoder则负责根据语义向量生成指定的序列。 
AI+无线通信
队伍:无名王者

吴铭晖
初赛最终排名:28
复赛最终排名:8
团队介绍: 北京理工大学,信息与电子学院大四本科生;
作品特色亮点:子载波维度采用了一维卷积神经网络,引入残差和channelAttention增强性能;对测试集进行预分类,针对测试集的mode分布决定训练时的训练数据分布;采用了分集与最大似然合并,将多次独立的预测结果合并以获得更优性能。
AI+遥感影像
队伍:喵喵(^o^)
初赛最终排名:81
复赛最终排名:12
团队介绍:来自成都考拉悠然科技有限公司,三个赛道都进入了复赛,希望遥感影像这个赛道能进决赛。
作品特色亮点:1. 结合EMA,Fluff,PointRender多种方法,兼顾速度和准确率
2. 自研框架,没有使用mmsegmentation等开源框架,支持ranger优化器,多模型集成,多GPU训练等 
AI+遥感影像
队伍:y^2c
初赛最终排名:56
复赛最终排名:1
团队介绍:武汉大学遥感信息工程学院——杨岳驰,武汉大学遥感信息工程学院——杨俊静,指导老师:黄昕老师,李家艺老师
作品特色亮点:给初赛训练集在原始8类标签的限制上打上15类的伪标签,然后将初赛和复赛的数据集放在一起,让三个网络继续训练。 
AI+遥感影像
队伍:Amadeus

陈喆

杨嘉文

王文海

谢恩泽
初赛最终排名:2
复赛最终排名:2
团队介绍: 团队主要擅长计算机视觉与语音算法;
作品特色亮点:设计了一个双分支的DeepLabV3+模型,使模型具有较好的域泛化能力;同时使用其他方法进一步加强了模型的域泛化能力。 
AI+遥感影像
队伍:Du1
初赛最终排名:41
复赛最终排名:3
团队介绍: 团队来自百度视觉技术部ICA团队,主要技术方向是图像检测分割,负责遥感方向的业务落地
作品特色亮点:数据预处理的auto labeling可以帮助提高模型的效果和泛化能力。预测阶段的动态尺度大图分块预测和单精度半精度混合预测可以得到意想不到的加速效果。 
AI+遥感影像
队伍:奥奥利给/木木土艮月半了
初赛最终排名:46
复赛最终排名:4
团队介绍: 团队成员共两名,长期从事深度学习相关的技术创新和落地;
作品特色亮点:对模型结构进行了创新,融合了Deeplab V3和FPN结构,并且在训练过程中使用数据增强策略用于优化模型的泛化能力,提升了模型效果,此外在测试阶段实现了多模型融合策略以及滑窗测试方法。 
AI+遥感影像
队伍:IPIC_智测遥感

李娇娇

武超雄

刘佳超

訾顺遥
初赛最终排名:38
复赛最终排名:5
团队介绍: 高校战队,李娇娇、武超雄、刘佳超、訾顺遥;
作品特色亮点:采用多个模型之间互补预测图像时的短板;用fp16的方法将网络模型进行压缩,在保证模型预测精度的情况下,模型内存减少一半。 
AI+遥感影像
队伍:梅花梅花满天下/后厂村静静
初赛最终排名:27
复赛最终排名:6
团队介绍: "kaggle expert, 搜狗专家研究员,信息流排序算法负责人,曾负责百度贴吧Feed反作弊,图搜图文相关性方向。曾单人获得微软MIND新闻推荐冠军,aichallenger 2019美团细粒度情感分类冠军(开源代码超过550点赞),aichallenger 2018 ImageCaption亚军";
作品特色亮点:"多目标,多尺度的引入,细致的evaluate 可视化 " 
AI+遥感影像
队伍:提交成功 / GOODLUCK

亓鲁

李彦玮

陈玉康

王毅

赵恒爽
初赛最终排名:1
复赛最终排名:7
团队介绍: 香港中文大学计算机系,计算机视觉在读博士;
作品特色亮点:初赛训练数据和复赛训练数据的一级标签和二级标签的联合训练,扩充更多的数据,提升模型的泛化能力。 
AI+遥感影像
队伍:跟谁俩呢
初赛最终排名:5
复赛最终排名:8
团队介绍: 成员只有我一个,毕业于哈尔滨工业大学,现在在云从科技做算法工程师;
作品特色亮点:使用了bagging的方法进行集成,可以提高模型的泛化能务。使用fp16的方法进行推理,可以加快推理的速度并且可以提高集成的模型数。使用了不同的backbone增加了不同模型的差异性。test的时候针对不同大小的图片使用不同的策略,可以既不出现oom的错误,也能比较快的推理。 
AI+遥感影像
队伍:火眼金睛
初赛最终排名:13
复赛最终排名:9
团队介绍:我们的团队近些年的主要的研究方向是视觉理解中的目标检测、语义分割、实例分割和行为识别等工作,最近两年开始开展遥感图像领域的研究,曾于去年12月活动第一届“天智杯”人工智能挑战赛(目标检测相关)科目六赛道的第一名。
作品特色亮点:1、模型训练阶段采用旋转(rotate)和翻转(flip)的数据 增强方式;
2、采用浅层分割结果辅助loss的训练方式;
3、采用multi-classifiers的策略,在训练阶段就模型多模型融合的思想;
4、优化ASPP模块,针对图像尺寸,将dilation rate设置为1,4,8,12,同时添加了一路self-attention的平行分支;