近日，第十五届亚洲计算机视觉学术会议ACCV 2020（Asian Conference on Computer Vision）国际细粒度网络图像识别赛公布最终成绩，网易AI Lab以71.4%的准确率击败了来自全球的569个顶尖计算机视觉团队，从超过1000份方案中脱颖而出，一举斩获大赛冠军。这是网易AI Lab继语音、自然语言处理（NLP）等领域大赛夺冠之后，在计算机视觉领域的又一突破，彰显了网易AI Lab在人工智能领域的综合技术实力。
（网易AI Lab荣获ACCV 2020国际细粒度网络图像识别赛第一名的奖状）
ACCV是国际计算机视觉领域的重要学术会议之一，每两年举办一次，吸引来自全球的一流学者、研究者和开发者参与，共同探讨计算机视觉领域的前瞻学术研究与应用。本次ACCV 2020国际细粒度网络图像识别赛，主要目的在于使用网络数据训练细粒度识别模型，减轻细粒度识别任务对大规模有标签训练数据的依赖，以增强模型算法的实用性和扩展性。
此次竞赛的数据集规模巨大，训练数据集包含557169张图片，测试数据集包含100000张图片，涵盖各类动植物，共计5000个类别。所有数据来自网络，未经人工标注，因此包含大量噪声和错误数据，且数据存在长尾分布现象，导致不同类别样本可能同时存在欠拟合和过拟合等问题，对参赛选手提出了巨大挑战。而网易AI Lab提出了一种基于类别平衡的去噪方法，配合基于BBN的原创模型训练方案，无需过度依赖高质量的标注数据，能够直接从网络数据中获得更好的模型表达能力。采用比赛准确率（accuracy）作为评测指标，网易AI Lab解决方案的accuracy达到71.4%，远超过比赛方所提供的基线模型（accuracy=41.905%）。
细粒度图像识别不同于通用图像分析任务，需要对属于同一基础类别的图像进行更加细致的子类划分，因此对模型的要求更高、难度更大。而现有深度学习方法通常需要依赖大规模高质量标注数据，其获取难度较高且成本高昂，一定程度上限制了现实场景下的应用。网易AI Lab在此次竞赛中使用的原创模型，能够在面对大量低质量样本的情况下，快速找到适用于特定场景的解决方案，降低了图像识别对于人工标注的依赖，为通用物品识别、图像或视频标签等应用场景落地带来了更多可能性。
成立于2017年的网易AI Lab，目前在计算机视觉研究领域有着丰富的技术累积，在落地应用上也拥有着诸多的实践经验。此前，网易AI Lab图像识别技术已成功应用于敏感内容审核、游戏反外挂、人脸属性识别、手势识别等场景。
