V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
VideoCloudTech
V2EX  ›  推广

盖楼抽奖|为拿下算法 “奥斯卡”,阿里团队设计了一个冠军方案

  •  
  •   VideoCloudTech · 2021-03-31 15:11:20 +08:00 · 9376 次点击
    这是一个创建于 1094 天前的主题,其中的信息可能已经有所发展或是发生改变。

    被誉为计算机视觉领域 “奥斯卡” 的 CVPR 刚刚落下帷幕,2021 年首届 “新内容 新交互” 全球视频云创新挑战赛正火热进行中,这两场大赛都不约而同地将关注点放在了视频目标分割领域,本文将详细分享来自阿里达摩院的团队在 CVPR DAVIS 视频目标分割比赛夺冠背后的技术经验,为本届大赛参赛选手提供 “他山之石”。

    作者|负天

    与图像识别不同,AI 分析理解视频的技术门槛较高。长期以来,业界在视频 AI 技术的研究上鲜有重大突破。以 CVPR 会议难度最高的比赛之一 DAVIS ( Densely Annotated Video Segmentation )为例,该比赛需要参赛团队精准处理复杂视频中物体快速运动、外观变化、遮挡等信息,过去几年,全球顶级科技在该比赛中的成绩从未突破 80 分,而达摩院的模型最终在 test-challenge 上取得了 84.1 的成绩。

    DAVIS 的数据集经过精心挑选和标注,视频分割中比较难的点都有体现,比如:快速运动、遮挡、消失与重现、形变等。DAVIS 的数据分为 train ( 60 个视频序列),val ( 30 个视频序列),test-dev ( 30 个视频序列),test-challenge ( 30 个视频序列)。其中 train 和 val 是可以下载的,且提供了每一帧的标注信息。对于半监督任务,test-dev 和 test-challenge,每一帧的 RGB 图片可以下载,且第一帧的标注信息也提供了。算法需要根据第一帧的标注 mask,来对后续帧进行分割。分割本身是 instance 级别的。

    阿里达摩院:像素级视频分割

    阿里达摩院提供了一种全新的空间约束方法,打破了传统 STM 方法缺乏时序性的瓶颈,可以让系统基于视频前一帧的画面预测目标物体下一帧的位置;此外,阿里还引入了语义分割中的精细化分割微调模块,大幅提高了分割的精细程度。最终,精准识别动态目标的轮廓边界,并且与背景进行分离,实现像素级目标分割。

    基本框架

    达摩院的算法基于 2019 年 CVPR 的 STM 做了进一步改进。STM 的主要思想在于,对于历史帧,每一帧都编码为 key-value 形式的 feature 。预测当前帧的时候,以当前帧的 key 去和历史帧的 key 做匹配。匹配的方式是 non-local 的。这种 non-local 的匹配,可以看做将当前 key,每个坐标上的 C 维特征,和历史每一帧在这个坐标上的 C 维特征做匹配。匹配得到的结果,作为一个 soft 的 index,去读取历史 value 的信息。读取的特征和当前帧的 value 拼接起来,用于后续的预测。

    三大技术创新

    1. 空间约束

    STM 的特征匹配方式,提供了一种空间上的长依赖, 类似于 Transformer 中,通过 self-attention 来做序列关联。这种机制,能够很好地处理物体运动、外观变化、遮挡等。但也有一个问题,就是缺乏时序性,缺少短时依赖。当某一帧突然出现和目标相似的物体时,容易产生误召回。在视频场景中,很多情况下,当前帧临近的几帧,对当前帧的影响要大于更早的帧。基于这一点,达摩院提出依靠前一帧结果,计算 attention 来约束当前帧目标预测的位置,相当于对短期依赖的建模。

    具体的方法如下图所示:

    1. 当前帧的特征和前一帧的预测 mask 在 channel 维度上做 concat,得到 HxWx (c+1) 的特征;
    2. 通过卷积将特征压缩为 HxW ;
    3. 用 sigmoid 函数将 HxW 的特征,压缩范围,作为空间 attention ;
    4. 把 attention 乘到原特征上,作为空间约束。

    下图为空间 attention 的可视化结果,可以看到大致对应了前景的位置。

    2. 增强 decoder

    达摩院引入了语义分割中的感受野增强技术 ASPP 和精细化分割的微调( refinement )模块。ASPP 作用于 memory 读取后的特征,用于融合不同感受野的信息,提升对不同尺度物体的处理能力。

    3. 训练策略

    达摩院提出了一个简单但是有效的训练策略,减少了训练阶段和测试阶段存在的差异,提升了最终效果。

    原始 STM 训练时,会随机从视频中采样 3 帧。这三帧之间的跳帧间隔,随着训练逐渐增大,目的是增强模型鲁棒性。但达摩院发现,这样会导致训练时和测试时不一致,因为测试时,是逐帧处理的。为此,在训练的最后阶段,达摩院将跳帧间隔重新减小,以保证和测试时一致。

    其他

    backbone: 达摩院使用了 ResNeST 这个比较新的 backbone,它可以无痛替换掉原 STM 的 resnet 。在结果上有比较明显提升。

    测试策略: 达摩院使用了多尺度测试和 model ensemble 。不同尺度和不同 model 的结果,在最终预测的 map 上,做了简单的等权重平均。

    显存优化: 达摩院做了一些显存优化方面的工作,使得 STM 在多目标模式下,可以支持大尺度的训练、测试,以及支持较大的 memory 容量。

    数据: 训练数据上,达摩院使用了 DAVIS 、Youtube-VOS,以及 STM 原文用到的静态图像数据库。没有其他数据。

    结果

    达摩院的模型,最终在 test-challenge 上取得了 84.1 的成绩。

    在 test-dev 上的消融实验。达摩院复现的 STM 达到了和原文一致的结果。在各种 trick 的加持下, 得到了 11 个点的提升。

    随着互联网技术、5G 技术等的发展,短视频、视频会议、直播的场景越来越多,视频分割技术也将成为不可或缺的一环。比如,在视频会议中,视频分割可以精确区分前背景,从而对背景进行虚化或替换;在直播中,用户只需要站在绿幕前,算法就实时替换背景,实现一秒钟换新直播间;在视频编辑领域,可以辅助进行后期制作。

    参考

    1. Oh SW, Lee JY, Xu N, Kim SJ. Video object segmentation using space-time memory networks. InProceedings of the IEEE International Conference on Computer Vision 2019
    2. Wang X, Girshick R, Gupta A, He K. Non-local neural networks. InProceedings of the IEEE conference on computer vision and pattern recognition 2018

    “新内容 新交互” 全球视频云创新挑战赛算法挑战赛道

    本届全球视频云创新挑战赛是由阿里云联手英特尔主办,与优酷战略技术合作,面向企业以及个人开发者的音视频领域的挑战赛。算法挑战赛道聚焦视频人像分割领域,视频分割将传统图像分割问题延伸到视频领域,可服务于视频理解处理和编辑等任务。

    算法赛道描述

    本次大赛提供一个大规模高精度视频人像分割数据集,供参赛选手训练模型。不同于传统的二值分割目标(即人像区域标注为 1,其他区域标注为 0 ),本竞赛重点关注分割各个不同的人象实例,目标是从视频中精确、稳定分割出显著的(单个或多个)人体实例,以及其相应附属物、手持物。

    本次比赛分为初赛数据集和复赛数据集。复赛数据集等初赛结束后公布,复赛中也可以使用初赛数据集。

    初赛环节提供训练集供选手下载,训练数据集共 1650 段视频。训练集中每个样本由 RGB 图像序列和掩码图像序列组成,RGB 图像序列为原始视频图像序列,格式为 jpg 文件;掩码图像为人体分割的真值 (ground-truth),格式为 png 文件,掩码图像中不同的像素值表示不同的人体实例,0 为背景区域,非 0 为前景区域(例如 1 为人像 1,2 为人像 2 )。RGB 和 png 文件是一一对应关系。数据集每个视频的长度为 80 帧~ 150 帧,每个视频的分辨率不完全相同。预赛的测试数据为 48 段视频。测试集只提供 RGB 图像序列。如出现多个人像实例,每个人像可以任意顺序标注,评测时将被独立计算。

    本次比赛允许参数选手使用其他公开数据集和公开模型,但参赛选手的模型必须满足能在限定时间内复现的要求,复现精度小于规定误差。

    评估标准

    对于算法恢复的视频结果,本次比赛采用 Mean J And F 做为评价指标。J 为描述分割人体区域精度的 Jaccard Index,F 为描述分割人体的边界精确度。具体请参照参考文献 1 。每个视频允许选手最多输出 8 个人物分割结果,选手分割结果与真值先进行 IOU 匹配,找到对应的人物后,根据该结果进行评分。多余的分割结果,没有惩罚。如果超过 8 个区域,整个视频结果无效。

    奖项设置

    冠军:1 支队伍,奖金 9 万人民币,颁发获奖证书

    亚军:2 支队伍,奖金 3 万人民币,颁发获奖证书

    季军:3 支队伍,奖金 1 万人民币,颁发获奖证书

    Cooper Lake 最佳实践:3 支队伍,奖金 2 万人民币,颁发获奖证书

    此外,复赛审核通过的排名前 12 队伍,可进入阿里云校招绿色通道。

    视频云大赛正在火热报名中 扫码或点击下方链接,一起驱动下一代浪潮! https://tianchi.aliyun.com/competition/entrance/531873/introduction


    楼层抽奖规则

    • 评论回复内容不限,可以是视频云大赛相关提问、期望
    • 抽十个人,每人送一个保温杯
    • 截止日期为:2021.4.2 12:00
    • 从回复楼层中随机抽取
    • 中奖结果会以附言形式公布于本帖,并 @ 各位中奖用户
    function createRandom(num,from,to)
    {
        var arr=[]; 
        var json={};  
        while(arr.length<num)
        {
            var ranNum=Math.round(Math.random()*(to-from))+from;
            if(!json[ranNum])
            {
                json[ranNum]=1;
                arr.push(ranNum); 
            }
        }
        return arr;
    }
    
    createRandom(10,0,回复楼层) //抽奖
    
    

    源码引自 yedanbo/createRandom().js

    礼物图片 盖楼超 100 层,下次活动送电脑包~

    第 1 条附言  ·  2021-04-02 12:09:51 +08:00


    恭喜:
    @server @dream7758522 @Microi @zhaidoudou123 @sinux @honeyshine75 @magicnobob @ervqq @auto8888 @ZHanYao

    辛苦各位邮寄信息发送到 videocloudtech#gmail.com ,# 替换为 @ 。

    姓名+电话+地址+V2EX 帐号截图(确认身份)

    迫于大家的热情,清明节之后我们还会再办一次盖楼活动,欢迎再来玩 :P


    例子:
    411 条回复    2021-04-06 09:43:02 +08:00
    1  2  3  4  5  
    wpen613617
        301
    wpen613617  
       2021-04-01 11:34:03 +08:00
    分子
    zhaol
        302
    zhaol  
       2021-04-01 11:34:11 +08:00
    分子分子
    tzl
        303
    tzl  
       2021-04-01 11:37:07 +08:00
    分子来了
    smartG
        304
    smartG  
       2021-04-01 11:37:26 +08:00
    11
    fengxianqi
        305
    fengxianqi  
       2021-04-01 11:41:30 +08:00
    太长看不懂,那就分子一下吧
    jsjgjbzhang
        306
    jsjgjbzhang  
       2021-04-01 11:42:34 +08:00
    从来没中过奖的来了
    colorfulberry
        307
    colorfulberry  
       2021-04-01 11:44:22 +08:00
    没中过的人继续分母
    xinyu98
        309
    xinyu98  
       2021-04-01 11:45:18 +08:00 via Android
    分母
    breaklayer
        310
    breaklayer  
       2021-04-01 11:59:53 +08:00
    没中过奖的来了
    lwmyth
        311
    lwmyth  
       2021-04-01 12:12:19 +08:00
    谁还不能当会分子呢
    yuxi521
        312
    yuxi521  
       2021-04-01 12:13:04 +08:00
    1111
    l9rw
        313
    l9rw  
       2021-04-01 12:15:06 +08:00
    做个分母看看
    daijialong
        314
    daijialong  
       2021-04-01 12:16:38 +08:00
    asdf45e6rt46er5asdf
    Naruto129
        315
    Naruto129  
       2021-04-01 12:16:55 +08:00
    我就是单纯的划个水
    kiroli
        316
    kiroli  
       2021-04-01 12:21:44 +08:00
    分母+1
    EZVIK
        317
    EZVIK  
       2021-04-01 12:32:35 +08:00
    分母来了
    Huelse
        318
    Huelse  
       2021-04-01 12:35:53 +08:00
    分母+1
    brust
        319
    brust  
       2021-04-01 12:38:09 +08:00
    分子+1
    jkmf
        320
    jkmf  
       2021-04-01 12:40:27 +08:00
    来了
    yangzj1992
        321
    yangzj1992  
       2021-04-01 12:40:51 +08:00
    愚人节快乐= =?
    T9436929T
        322
    T9436929T  
       2021-04-01 12:43:08 +08:00
    来了来了
    input2output
        323
    input2output  
       2021-04-01 12:49:18 +08:00
    分子++
    sansanhehe
        324
    sansanhehe  
       2021-04-01 12:52:16 +08:00
    分母++
    zwlinc
        325
    zwlinc  
       2021-04-01 13:01:47 +08:00
    愚人节快乐,各位分子们
    cornelia
        326
    cornelia  
       2021-04-01 13:06:35 +08:00
    我是一个分子
    her999
        327
    her999  
       2021-04-01 13:08:24 +08:00
    ???/1
    BALLACK
        328
    BALLACK  
       2021-04-01 13:11:19 +08:00
    1
    qwer666df
        329
    qwer666df  
       2021-04-01 13:11:58 +08:00
    分子
    JerryLiu93
        330
    JerryLiu93  
       2021-04-01 13:12:05 +08:00
    看了半天,我太菜了
    komorbi
        331
    komorbi  
       2021-04-01 13:16:54 +08:00
    分子一个
    fedfrank
        332
    fedfrank  
       2021-04-01 13:20:16 +08:00
    分组
    JKKK
        333
    JKKK  
       2021-04-01 13:22:29 +08:00
    分子+1
    Citronl
        334
    Citronl  
       2021-04-01 13:26:16 +08:00
    +1
    crazytudou
        335
    crazytudou  
       2021-04-01 13:29:57 +08:00
    哦,目标明确,抽奖
    silencegg
        336
    silencegg  
       2021-04-01 13:32:39 +08:00
    目标明确,抽奖
    Molita
        337
    Molita  
       2021-04-01 13:34:45 +08:00
    拉低中奖率
    itgoyo
        338
    itgoyo  
       2021-04-01 13:35:17 +08:00
    抽奖
    jumpiz
        339
    jumpiz  
       2021-04-01 13:36:46 +08:00
    抽奖
    sun649936757
        340
    sun649936757  
       2021-04-01 13:37:13 +08:00
    分母+1
    frankyxu
        341
    frankyxu  
       2021-04-01 13:38:13 +08:00
    感觉好厉害的样子
    TheWalkingDead
        342
    TheWalkingDead  
       2021-04-01 13:39:11 +08:00
    凑个热闹
    ssml
        343
    ssml  
       2021-04-01 13:39:17 +08:00
    奖来
    jiorix
        344
    jiorix  
       2021-04-01 13:39:19 +08:00
    分子
    rapperx2
        345
    rapperx2  
       2021-04-01 13:44:04 +08:00
    分母
    flyonthewall
        346
    flyonthewall  
       2021-04-01 13:44:40 +08:00
    分子分子
    baixixi
        347
    baixixi  
       2021-04-01 13:46:23 +08:00
    分母+1
    superwhite
        348
    superwhite  
       2021-04-01 13:51:21 +08:00
    分母
    iv2ex
        349
    iv2ex  
       2021-04-01 13:53:07 +08:00
    [出货吧]
    CharlseChen
        350
    CharlseChen  
       2021-04-01 13:55:34 +08:00
    分子分子啊
    zzzzzzzzyp
        351
    zzzzzzzzyp  
       2021-04-01 14:02:47 +08:00
    厉害了,我的云
    pengjl
        352
    pengjl  
       2021-04-01 14:09:33 +08:00
    分母来了
    leopod1995
        353
    leopod1995  
       2021-04-01 14:12:07 +08:00
    v 站白嫖党+1
    vmos
        354
    vmos  
       2021-04-01 14:12:13 +08:00
    凑个分母吧
    lopetver
        355
    lopetver  
       2021-04-01 14:12:16 +08:00
    视频算法真的是未来的基础设施啊
    unlighted
        356
    unlighted  
       2021-04-01 14:12:45 +08:00 via Android
    不知道说啥了,祝大家每天都能摸鱼
    aixiangbing
        357
    aixiangbing  
       2021-04-01 14:13:26 +08:00
    恭喜恭喜呀
    yuanchao
        358
    yuanchao  
       2021-04-01 14:13:43 +08:00
    分子分子 +11111
    ParfoisMeng
        359
    ParfoisMeng  
       2021-04-01 14:15:01 +08:00
    看不懂,分母
    jonah
        360
    jonah  
       2021-04-01 14:15:58 +08:00
    分母
    CupCupFun
        361
    CupCupFun  
       2021-04-01 14:16:38 +08:00
    厉害了
    RyanOne
        362
    RyanOne  
       2021-04-01 14:18:32 +08:00
    恭喜恭喜
    skycitygalaxy
        363
    skycitygalaxy  
       2021-04-01 14:18:36 +08:00
    厉害了
    my1103
        364
    my1103  
       2021-04-01 14:20:24 +08:00
    simoger
        365
    simoger  
       2021-04-01 14:23:35 +08:00
    厉害
    xixi10111011
        366
    xixi10111011  
       2021-04-01 14:23:44 +08:00
    fenzi
    willamtang
        367
    willamtang  
       2021-04-01 14:26:41 +08:00
    分子加分母啊
    DoubleShut
        368
    DoubleShut  
       2021-04-01 14:27:06 +08:00
    分子
    york6666
        369
    york6666  
       2021-04-01 14:27:39 +08:00
    分母
    wkhapy1233
        370
    wkhapy1233  
       2021-04-01 14:28:58 +08:00
    分子
    sonice
        371
    sonice  
       2021-04-01 14:32:22 +08:00
    快寄给我吧
    ml1344677
        372
    ml1344677  
       2021-04-01 14:32:43 +08:00
    分母
    lzxz1234
        373
    lzxz1234  
       2021-04-01 14:33:04 +08:00
    愚人节活动?
    jingcc72
        374
    jingcc72  
       2021-04-01 14:35:47 +08:00
    分子+1
    yyqy
        375
    yyqy  
       2021-04-01 14:35:49 +08:00
    分数线
    zcfnc
        376
    zcfnc  
       2021-04-01 14:38:26 +08:00
    分子!!!
    ivanyin
        377
    ivanyin  
       2021-04-01 14:40:29 +08:00
    分子来了
    hwcj123
        378
    hwcj123  
       2021-04-01 14:43:57 +08:00
    分子来了
    huweic
        379
    huweic  
       2021-04-01 14:44:20 +08:00
    6666
    pidan
        380
    pidan  
       2021-04-01 14:45:56 +08:00
    这不让我中一个有点过分了吧
    DT27
        381
    DT27  
       2021-04-01 14:51:14 +08:00
    我不要。
    NoirStrike
        382
    NoirStrike  
       2021-04-01 14:53:19 +08:00
    太菜了看不懂...
    nikanon
        383
    nikanon  
       2021-04-01 14:53:20 +08:00
    日常分母
    Serializability
        384
    Serializability  
       2021-04-01 14:55:10 +08:00
    分母来了
    jumpsama
        385
    jumpsama  
       2021-04-01 14:55:30 +08:00
    分子
    stroh
        386
    stroh  
       2021-04-01 14:57:13 +08:00
    分子
    zmNv0
        387
    zmNv0  
       2021-04-01 15:00:54 +08:00
    分母+1
    Cowhitewhite
        388
    Cowhitewhite  
       2021-04-01 15:04:01 +08:00
    分母
    gancl
        389
    gancl  
       2021-04-01 15:05:49 +08:00
    分母
    Tenlp
        390
    Tenlp  
       2021-04-01 15:09:47 +08:00 via Android
    做个分母
    huanglm
        391
    huanglm  
       2021-04-01 15:13:10 +08:00
    分子+1
    Bronya
        392
    Bronya  
       2021-04-01 15:16:40 +08:00
    看起来好厉害的样子
    cheese
        393
    cheese  
       2021-04-01 15:36:29 +08:00
    分子+1
    VideoCloudTech
        394
    VideoCloudTech  
    OP
       2021-04-01 15:43:56 +08:00
    @yanfany 训练阶段:
    8 块 V100/P100 这种等级的显卡,训练时间在 37 小时左右(静态图像预训练 25 小时,视频训练 12 小时)。

    测试阶段:
    118ms/frame
    mfy
        395
    mfy  
       2021-04-01 15:44:20 +08:00
    分子+1
    adsltsee
        396
    adsltsee  
       2021-04-01 17:06:46 +08:00
    分子分子
    star1
        397
    star1  
       2021-04-01 17:16:34 +08:00
    我估计是分母!
    createRandom(10,0,397)
    [381, 53, 383, 183, 347, 323, 286, 189, 217, 142]
    duzhanguan
        398
    duzhanguan  
       2021-04-01 18:12:36 +08:00
    分子
    duzhanguan
        399
    duzhanguan  
       2021-04-01 18:13:01 +08:00
    我还以为天线宝宝
    art2cat
        400
    art2cat  
       2021-04-01 18:14:11 +08:00
    分子来了
    1  2  3  4  5  
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   我们的愿景   ·   实用小工具   ·   2961 人在线   最高记录 6543   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 39ms · UTC 11:06 · PVG 19:06 · LAX 04:06 · JFK 07:06
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.