本文介绍了我们针对 2021 年人工智能城市挑战赛 (AICITY21) 的 Track2 的解决方案。Track2 是一个使用真实世界数据和合成数据的车辆重新识别 (ReID) 任务。在本次挑战中,我们主要关注四个点,即训练数据、无监督领域自适应 (UDA) 训练、后处理、模型集成。(1)裁剪训练数据和使用合成数据都可以帮助模型学习更多判别性特征。(2)由于测试集中有一个在训练集中未出现的新场景,因此 UDA 方法在挑战中表现良好。(3)后处理技术包括重新排名、图像到轨迹检索、摄像头间融合等,可显著提高最终性能。(4)我们集成了基于 CNN 的模型和基于 Transformer 的模型,它们提供了不同的表示多样性。通过上述技巧,我们的方法最终取得了 0.7445 的 mAP 分数,在比赛中获得第一名。代码可在 https://github.com/michuanhaohao/AICITY2021_Track2_DMT 获得。
他的论文拥有超过 18 万次引用。 他在牛津大学完成了博士学位和博士后学业,在那里设计了 VGGNet 并赢得了著名的 ImageNet 挑战赛;他的第一家公司随后被 DeepMind 收购。作为 DeepMind 的首席科学家, Karen 建立并领导了大规 模深度学习团队,开发现实世界数据的大型 AI 模型。 Reid Hoffman 也是 Inflection AI 的联合创始人,他曾经是 LinkedIn 的联合创始人和 Greylock 的合伙人。在加入
• Lumaria 上的在线百科全书条目提供有关国家、地理和政治统计数据、人口统计数据、经济统计数据、社会和文化统计数据、其他统计数据、有趣奇闻和主要节日的一般信息;1 • Lumaria 历史通货膨胀和利率,包括通货膨胀、隔夜利率、一年期现货利率和 10 年期现货利率; • Lumaria 普通人群死亡率表; • SuperLife Inforce 数据集包含最近 20 年 20 年期定期和单一保费终身(非分红)产品的政策数据;2 • SuperLife Inforce 数据集的关键;以及 • SuperLife 产品开发团队收集的有关影响死亡率的干预措施的近似成本和影响的研究。3
虽然 CYBATHLON 2016 和 2020 的竞赛任务指定程度非常高,但 CYBATHLON 2024 的任务将在大多数学科中设计为具有任务特定的不确定性。与以往的比赛相比,这将需要改进的控制、更快/更先进的动态、提高辅助设备的功能灵活性,以及与以往的比赛相比,飞行员需要更多地临时选择任务解决策略。增加竞赛任务变化的目的是更好地解释日常生活中的情况,在日常生活中,给定任务的确切情况并不总是已知的,或者在不同时间和地点保持不变。例如,扶手可以位于楼梯的左侧或右侧,台阶的高度和长度可以有所不同,或者物品在包中应该被抓住但放在包里的方式却可能完全不同。
2020 大学探测器挑战赛 QSET 的探测器被接受,但是,比赛因 COVID-19 而取消。加拿大卫星设计挑战赛比赛推迟到 2021 年,但是 QSET 卫星团队将继续其设计周期,以满足调整后的比赛时间表。2019 大学探测器挑战赛 QSET 在加拿大排名第二。2018 大学探测器挑战赛 QSET 在加拿大排名第二,在 95 支队伍中排名全球第 12。卫星设计挑战赛 QSET 完成了其第一个 3U 立方体卫星,并在加拿大航天局完成了发射资格审查。第五届任务创意大赛 QSET 作为两名加拿大代表之一,在国际空间大学举行的第六届 UNISEC 全球会议上展示了其立方体卫星。 2017 大学流动站挑战赛 QSET 保持加拿大第一名,在 82 支队伍中排名第六。卫星设计挑战赛 QSET 开始其首个 3U 立方体卫星 — 一个为期两年的卫星建造项目。
第 16 小组开发了探索太空的游戏,并以引人入胜的形式提供教育内容。他们的项目包括“Galaxy Drive”,这是一款通过多层次探索让玩家了解不同星球状况的游戏。第 17 小组的“碎片宇宙 2.0 版”旨在创建一款专注于太空碎片收集的游戏。第 18 小组探索了 NASA 地球项目,以提高数据的可访问性和利用率。第 19 小组正在开发一种基于传感器的墙壁系统,用于河流中的阻塞点,使用他们的原型可以将静态墙壁的成本从 1500 万美元降低到 500 万美元。这项创新提供了一种显着的成本节约替代方案。第 20 小组开发了一辆配备传感器的探测车,通过向探测车发出警报和保护探测车来抵御火星沙尘暴。第 21 小组通过创建一个将二氧化碳和甲烷转化为可用产品(如 CNG 和尿素)的系统来解决全球变暖问题。第 22 小组的“虚拟太空探索”为太空爱好者提供了一个虚拟现实应用程序,用于探索和创建用于 VR 的图形。最后,第 23 队的“变暖星球酷点子”开发了一款网络应用程序来追踪不同城市的气温变化,而第 24 队则专注于将卫星图像转换为清晰、可用于地球观测的数据。
经过用户测试后,我们开始制作演示文稿和短剧,以及一些材料来推销我们的解决方案。短剧的作用是向观众展示用户在使用我们的产品后会如何体验到生活中的变化,而推销则详细解释了我们产品的特性和功能。我们创建了一个数字短卷的原型,该原型连接到数字灯光秀,可以显示人们在手机上输入或书写的愿望,目标受众是购物中心的常客。然而,第一个原型、短剧和推销远非完美,我们收到了很多反馈,要求我们进一步改进解决方案或重新考虑不同的方法,特别是在我们的目标用户和我们试图解决的问题方面。第四天对我们来说是最艰难的一天,因为我们必须整天工作,试图重新考虑不同的解决方案,改变我们的原型、短剧和推销材料,以解决我们最初的解决方案中明显的缺点。我们再次进行了采访,以更深入地了解这个话题,并决定以略微不同的方式处理这个问题。我们没有利用“短册”的传统功能,而是获得了一种能够解决“未实现的梦想”问题的东西,也没有解决与节日或活动相关的问题,而是从如何使用短册许下愿望中汲取灵感。我们的新数字短册原型将作为一个有形但数字化管理的待办事项清单,如下图所示:
^ 随着 5G 和未来网络的发展,ITU 针对 AI/ML 的新标准提供了工具集,使 AI/ML 能够融入这些网络。国际电联电信标准化部门 (ITU-T) Y.3172 架构源自对 ITU-T Y.Supplement55 中发布的用例的研究,引入了与底层网络相关的基本工具集:用于模型优化和服务的 ML Pipeline;用于在部署前试用模型的 ML Sandbox;以及用于控制 AI/ML 集成的 ML Function Orchestrator (MLFO)。ITU-T Y.3173(情报评估)、ITU-T Y.3174(数据处理)和 ITU-T Y.3176(市场整合)均以 ITU-T Y.3172 架构为基础。ITU 挑战赛旨在展示和验证这些 ITU 标准,并为行业和学术界创造影响其发展的新机会。
摘要 — 安柏瑞德航空大学的 Minion 团队将重返 RobotX,对其卫冕冠军全自动水面舰艇 (ASV) Minion 进行重大改进。Minion 团队的新设计策略和系统工程方法称为 Minion Process,实现了整个团队在学术、研究和团队目标之间的平衡。这种设计策略与重视安全和创新的严格多步骤测试流程相结合,为 Minion 及其无人驾驶飞行器 (UAV) Kevin 带来了不断改进的工具集。这些包括对正在申请专利的新控制方案的软件增强和整个系统的计算机视觉更好地集成,以及对方位电机控制、新无人机功能和新球发射器的硬件改进。该团队对这些工具的赛前评估产生了一个强有力的竞争策略,其基础是最大化分数同时最小化风险。该团队的任务跟踪器 MinionTask 将根据评估的战略价值、已知的路线信息和剩余时间动态选择任务,以优化资格赛、半决赛和决赛中的比赛表现。根据模拟和水上测试的结果,Minion 队有信心完成九项 RobotX 2024 任务中的至少六项,并希望重复其冠军表现。