CobiNet(寧波(bo))推薦文章： [摘要] 世界著名的(de) ImageNet 大規(gui)模圖像識別(bie)挑戰賽（ILSVRC2016）今天公布賽果，來(lai)自中(zhong)國(guo)的(de)團隊大放異彩，包攬(lan)多(duo)個項目(mu)的(de)冠軍。

ImageNet 2016的(de)結(jie)果揭曉，冠軍(jun)幾乎被中(zhong)國(guo)團隊包攬：CUImage（商(shang)湯和(he)(he)港中(zhong)文），Trimps-Soushen（公安部三所），CUvideo（商(shang)湯和(he)(he)港中(zhong)文），HikVision（海康威視），SenseCUSceneParsing（商(shang)湯和(he)(he)港中(zhong)文），NUIST（南京信息(xi)工程大學(xue)）分別拿下(xia)多個項目(mu)的(de)冠軍(jun)。

1、物體探測

任務1a，用提供的訓練數據進行物體探測，冠軍隊伍 CUImage，使用提供數據合成6個模型，探測物體勝出種類數量109，精準度 0.662751。

下圖，任務1b，使用額外訓練數據進行物體探測。冠軍隊伍 CUImage，使用的是自己在ImageNet Det 數據上的標簽基準。識別物體勝出種類數量176個，平均精準度0.66081。

2. 物體定位

下圖，任務2a：使用提供的訓練數據進行分類+定位。冠軍隊伍Trimps-Soushen。第一名的模型定位錯誤率為0.077087，分類錯誤率為0.02991。

下圖，任務2b：使用額外訓練數據進行分類和定位結果。Trimps-Soushen在定位和分類上依然排在第一。

3. 視頻中的物體(ti)探測(ce)（VID）

下圖，任務3a，使用提供訓練數據進行的視頻中的物體探測。冠軍團隊NUIST，識別物體勝出種類數量10個，平均精準度0.808292。

下圖，任務3b，使用額外訓練數據進行的視頻中的物體探測。冠軍團隊NUIST，識別物體勝出種類數量17個，平均精準度0.79593。

下圖，任務3c，用提供訓練數據進行的視頻中物體探測和追蹤，冠軍是CUvideo。

下圖，任務3d，用額外訓練數據進行的視頻中物體探測和追蹤，冠軍是NUIST。

4. 場景分類

冠軍 Hikvision

5. 場景分析

冠軍SenseCUSceneParsing

 

文章編輯：CobiNet(寧波)  
本公司專注于電訊配件,銅纜綜合布線系列領域產品研發生產超五類，六類,七類屏蔽網線/屏蔽模塊及相關模塊配件, 我們是萬兆屏蔽模塊，10G屏蔽模塊，屏蔽線生產廠家。

歡迎(ying)來電咨詢(xun)0574 88168918,郵箱sales@aliance.cn，網址aliance.cn