CVPR 2019十大细粒度视觉识别挑战赛来袭最新游戏资讯人物识别大赛征集令
雷锋网 AI 科技评论按：近年来，iNaturalist 物种分类挑战赛、iMaterialist 产品属性识别挑战赛等细粒度视觉识别挑战赛（FGVCs）对重点检测自然物体及人造物体的细粒度视觉细节的图像分类模型的发展，起到了不小的推动作用。然而，传统的图像分类竞赛侧重于区分通用的类别（例如，区分汽车与蝴蝶），而 FGVCs 则跨越了入门级的类别，着重区分物体部分和属性的细微差别。
FGVCs 此前的挑战赛都吸引了大量有创造力的参赛者，他们都在比赛中开发了独具创新性的图像识别新模型，其中 CVPR 2018 的 FGVC5 则有超过 500 个队伍参赛。同时，FGVC 挑战赛也启发了一些新方法，例如特定领域的迁移学习和时间测试先验估计，它们都帮助细粒度识别任务在几个基准测试数据集上实现了当前最先进的性能。
谷歌表示，为进一步推动 FGVC 研究的进展，他们今年赞助并共同组织了第六届年度「细粒度视觉研讨会」（FGVC6）。随着 CVPR 2019 将于 6 月 17 日在加利福尼亚州长滩举行，该研讨会也将作为 CVPR 2019 的一部分如期召开。FGVC6 让计算机视觉专家与深耕于生物多样性、植物学、时尚与艺术领域的专家们汇聚一堂，共同应对将细粒度视觉分类应用于现实环境所面临的一系列挑战。
此前，本次 FGVC6 Workshop 还与两个世界级协会新合作了两项比赛：与大都会艺术博物馆（Metropolitan Museum of Art）合作的大都会艺术品收藏挑战赛以及与纽约植物园（New York Botanical Garden）合作的地质标本研究项目。
首个基于图像的大都会艺术品收藏挑战賽要求參賽者訓練藝術品屬性模型，而該資料集強調對藝術品間接基於視覺語境細節進行推理，如時期、文化、媒介等。大都会艺术博物馆根据各个领域专家的描述，为该任务提供了大量训练数据集。此外，由于参赛者受限于 Kernel 平台所提供有限计算力，该竞赛中的获胜模型往往比其他竞争中的获胜模型要更简单。截至写作本文时已有超过250个团队参加 iMet Collection 挑戰賽。
其次地，对开花植物科野牡丹科进行物种分类的问题进行解决，即 Herbarium 挑戰賽。这场比赛邀请研究人员解决开花植物科野牡丹科的问题，并通过纽约植物园提供的一个46,000多个腊叶标本图片数据集中涵盖680多种物种进行验证。这些腊叶标本对于植物科学来说至关重要，因为它们不仅能保留关键信息，而且还能为历史背景下生态学研究提供不同的角度。
除了机构间协调之外，这一年每一项競賽還要求參與者與專業領域專家深入交流。在標準格式下應對圖片識別問題將為“讓技術從Kaggle排名前轉移到日常用戶手中”鋪平道路。而谷歌預計這些技術不僅可以推動細粒度識別前沿發展，也會促進機器視覺應用於支持科學探索和策展研究。在征集令發出後，一個月内就有超過250隊參加團隊報名參加 iMet Collection 挑戰賽，這表明這場競爭非常激烈且受到廣泛關注。
