據(jù)悉，騰訊優(yōu)圖與廈門大學(xué)聯(lián)合團隊，共同提出了半監(jiān)督對抗單目深度估計，有望充分利用海量的無標(biāo)簽數(shù)據(jù)所蘊含的信息，結(jié)合少量有標(biāo)簽數(shù)據(jù)以半監(jiān)督的形式對網(wǎng)絡(luò)進行訓(xùn)練。據(jù)悉，該研究成果已被人工智能領(lǐng)域最頂級的國際期刊TPAMI收錄。
長期以來，基于深度卷積神經(jīng)網(wǎng)絡(luò)的分類、回歸任務(wù)大多依賴大量的有標(biāo)簽數(shù)據(jù)來對網(wǎng)絡(luò)進行訓(xùn)練。而在實際的算法部署中，往往只有海量的無標(biāo)簽數(shù)據(jù)以及非常少量的標(biāo)簽數(shù)據(jù)。如何充分利用這些少量的標(biāo)簽數(shù)據(jù)，使其達到和大量有標(biāo)簽數(shù)據(jù)下訓(xùn)練的模型相近的效果，對學(xué)術(shù)界和工業(yè)界來說一直都是一個難題。
據(jù)騰訊優(yōu)圖的研究員介紹，該項研究的核心難點在于，如何從無標(biāo)簽數(shù)據(jù)中獲取監(jiān)督信息。傳統(tǒng)方法一般需要同一場景的圖像序列作為輸入，通過構(gòu)建立體幾何關(guān)系來隱式地對深度進行重建。這種方法要求同一場景至少包含兩張以上的圖像，一般需要雙目攝像頭或視頻序列才可以滿足。騰訊優(yōu)圖與廈門大學(xué)聯(lián)合團隊，提出在一個對抗訓(xùn)練的框架中，解除圖像對判別器對真假樣本必須為同一圖像的要求，“真樣本對”采用有標(biāo)簽數(shù)據(jù)的RGB圖像以及對應(yīng)的真實深度圖，“偽樣本對”采用無標(biāo)簽RGB圖像以及用生成器網(wǎng)絡(luò)預(yù)測出的深度圖，由判別器網(wǎng)絡(luò)區(qū)分預(yù)測出的深度圖與對應(yīng)RGB直接是否符合真實的聯(lián)合概率分布，進而從無標(biāo)簽數(shù)據(jù)中收獲監(jiān)督信息。與此同時，通過添加深度圖判別器，來約束預(yù)測的深度圖與真實深度圖的分布一致性。該方法輸入可以為任意無關(guān)聯(lián)圖像，應(yīng)用場景更加廣泛。而從實驗結(jié)果也發(fā)現(xiàn)，當(dāng)主流的深度估計網(wǎng)絡(luò)作為一個生成器網(wǎng)絡(luò)安插在半監(jiān)督框架中時，都可以收獲顯著的效果提升。
在研究的量化指標(biāo)上，利用半監(jiān)督對抗框架，當(dāng)有標(biāo)簽數(shù)據(jù)很少(500張)的情況下，僅使用250張無標(biāo)簽RGB圖像就可以收獲優(yōu)于其他state-of-the-art方法的效果。當(dāng)固定有標(biāo)簽數(shù)據(jù)量(500張)，持續(xù)增加無標(biāo)簽RGB圖像可以進一步對效果帶來提升，最終當(dāng)利用五萬張無標(biāo)簽RGB圖像后，該方法在各項指標(biāo)上都遠超當(dāng)前的state-of-the-art方法。
據(jù)騰訊優(yōu)圖的研究員介紹，該研究方法雖然以單目深度預(yù)測為實驗，但過程中發(fā)現(xiàn)對于語義分割任務(wù)也有相似的效果提升。與此同時，當(dāng)模型訓(xùn)練與算法部署的環(huán)境存在差異時(即存在Domain Shift)，若有標(biāo)簽數(shù)據(jù)為源域中的數(shù)據(jù)，而無標(biāo)簽數(shù)據(jù)為算法部署的目標(biāo)域中的數(shù)據(jù)，該方法還可以起到Domain Adaptation的效果，提升模型在目標(biāo)域的部署效果，該觀察也在非同源場景下的ReID任務(wù)中得到了初步的驗證。
總的來說，該項研究的核心在于充分挖掘無標(biāo)簽樣本所蘊含的信息，減少對標(biāo)簽數(shù)據(jù)的依賴，未來有望在場景重建、非同源場景ReID等多個方案中進行應(yīng)用。
a&s傳媒是全球知名展覽公司法蘭克福展覽集團旗下的專業(yè)媒體平臺，自1994年品牌成立以來，一直專注于安全&自動化產(chǎn)業(yè)前沿產(chǎn)品、技術(shù)及市場趨勢的專業(yè)媒體傳播和品牌服務(wù)。從安全管理到產(chǎn)業(yè)數(shù)字化，a&s傳媒擁有首屈一指的國際行業(yè)展覽會資源以及豐富的媒體經(jīng)驗，提供媒體、活動、展會等整合營銷服務(wù)。
粵公網(wǎng)安備 44030402000264號
