1月23日,2020年CCF大數(shù)據(jù)與計(jì)算智能競賽(CCFBDCI)決賽和中國大數(shù)據(jù)技術(shù)大會(huì)在長沙結(jié)束。
作為全球大數(shù)據(jù)和人工智能算法,應(yīng)用程序和系統(tǒng)挑戰(zhàn)領(lǐng)域最具影響力的大型競賽之一,該競賽吸引了來自全球的30,000多個(gè)團(tuán)隊(duì),提交了80,000多個(gè)作品。
經(jīng)過三個(gè)多月的激烈競爭,“命運(yùn)的分裂”來自中國科學(xué)院深圳先進(jìn)研究院多媒體研究中心的研究團(tuán)隊(duì)(以下簡稱“ SIAT-MMLAB”)獲得了“遙感影像圖分割”的稱號。
在總決賽中獲勝。
64個(gè)獲勝團(tuán)隊(duì)脫穎而出,并獲得CCFBDCI綜合特別獎(jiǎng)。
要求參賽者使用相同的數(shù)據(jù)來設(shè)計(jì)算法思想和輸出算法模型,以使用相同的數(shù)據(jù)結(jié)合競賽現(xiàn)場,展示多類別遙感影像包裹分割模型的效果,以輸出算法模型。
參與者不僅要考慮準(zhǔn)確性,還要考慮水體和道路的連通性。
由于數(shù)據(jù)集類別極不平衡,建筑物,道路和草地的總面積不到5%,道路和水體的分割一直是遙感圖像分割中的難題。
僅依靠分割網(wǎng)絡(luò)很難實(shí)現(xiàn)分割區(qū)域的完全連續(xù)性。
好結(jié)果因此,道路,草地和水體的處理是關(guān)鍵。
帶有邊緣的“分段”包括:團(tuán)隊(duì)借鑒了自適應(yīng)增強(qiáng)的思想,并提出了正負(fù)多階段采樣,類別有針對性的重采樣等方法來獲得具有不同概率分布的訓(xùn)練數(shù)據(jù),并使用這些數(shù)據(jù)快速訓(xùn)練一批弱點(diǎn)分類器,通過逐像素動(dòng)態(tài)加權(quán)融合的方式得到了強(qiáng)大的分類器。
該團(tuán)隊(duì)將連通性問題巧妙地轉(zhuǎn)換為二元分類問題,從而確保了道路與水體之間更好的連通性,并與傳統(tǒng)的圖像形態(tài)處理相結(jié)合,進(jìn)一步增強(qiáng)了連通性,包括閉合操作連接裂縫,中值濾波,去毛刺和閾值處理。
進(jìn)行過濾以去除孤立的像素簇等。
值得一提的是,該團(tuán)隊(duì)設(shè)計(jì)了骨架連接增強(qiáng)方案,以提取特殊類別的骨架并執(zhí)行適當(dāng)?shù)臄U(kuò)展和腐蝕。
在增強(qiáng)連通性的前提下,確保連接區(qū)域不超過原始預(yù)測區(qū)域。
它也是基于數(shù)據(jù)的。
動(dòng)態(tài)優(yōu)先級覆蓋算法設(shè)計(jì)的特點(diǎn)。
最終計(jì)劃可以得到可靠而平滑的預(yù)測,并且軌道的A和B列表具有很大的優(yōu)勢,排在第二位。
據(jù)悉,獲獎(jiǎng)團(tuán)隊(duì)成員均為SIAT-MMLAB中國科學(xué)院大學(xué)的研究生。
其中,團(tuán)隊(duì)負(fù)責(zé)人李坤昌負(fù)責(zé)算法設(shè)計(jì)和代碼實(shí)現(xiàn),團(tuán)隊(duì)成員Chen Qing,黃某曉,何夢哲和Liu Xina負(fù)責(zé)數(shù)據(jù)處理,參數(shù)調(diào)整,鏡像打包等。
在SIAT-MMLAB講師,研究員喬宇,史武博士,何俊軍等人的指導(dǎo)和支持下,土地是參會(huì)人員的第一個(gè)領(lǐng)域。
精心戰(zhàn)斗,終于成功脫穎而出。
這項(xiàng)比賽是由中國計(jì)算機(jī)聯(lián)合會(huì)(CCF)贊助,并由七個(gè)CCF委員會(huì),教育部宜辦開發(fā)中心,長沙市科學(xué)技術(shù)局,長沙高新區(qū)管理委員會(huì)共同組織的,湖南大學(xué)和疏聯(lián)中創(chuàng)。