“开发ai神经互联网用于打假 阿里安全获计算机视觉顶会ECCV2020竞赛”

本篇文章1257字，读完约3分钟

最近公布了两年一次的世界计算机视觉峰会各种挑战的结果。 在图像分类比赛中，阿里安全高效的ai分类技术超过了三星、神兰科技、同济大学等国内外多支队伍的同类技术，获得了冠军。

目前人工智能的兴起基于大量的标记训练数据，能够保证ai模型的效果。 但是，数据收集和标记需要昂贵的人力成本，培训需要大量的计算资源。 分类比赛的困难在于，与其他比赛采用数十万的数据不同，将比赛分类共有1000个类别，每个类别只有50张图像作为训练数据使用。 比赛要求选手从零开始训练模型，不要使用任何事前训练模型和多余的数据。 这意味着训练极其困难，几乎不可能。

但是，这是为了验证参赛队伍如何完全利用较难的训练数据，促进ai神经网络的有效学习，减少神经网络训练过程中人力和计算资源的消耗。 也就是说，参赛队伍必须构建高效廉价的分类ai。

阿里安全图灵实验室算法工程师叶青介绍，阿里安全智能算法团队向三个技术方向突破:采用随机选择的两个训练图像，利用数据增强和拼接最大化训练样本资源。 设计独特的神经互联网结构，加入显著的特征模块挖掘样本特征，提高分类性能的ai模型可以使用层次语义结构，更好地挖掘数据，达到更好的学习效果。

阿里安全图灵实验室高级算法专家华堂认为，高效的ai分类技术极大地处理了数据标注的计算资源消耗和人工价格问题，为自动驾驶、对象识别、智能城市等行业提供了新思路和途径。

在线的新零售场景中，针对货架上的新产品，原ai工程师需要从不同的立场、照明条件、场所拍摄、收集数千张照片，并标记在培训模式上，使ai模型能够充分学习产品的特征。 蚂蚁安全提出的方案可以将产品图像数量减少到50张以下，保证模型的识别能力。

我们的方法可以更有效地与自我监控相结合，有效地学习模型，在学习更好的数据表达的基础上，获得更好的识别能力。 叶青说

目前，基于小尺度图像的高效ai技术蚂蚁安全已应用于知识产权商标识别、常规商品识别和动植物保护。 这样的场景类别多，各类别的样本少。 但是，预训练任务和目标任务是有区别的，预训练模式有可能损害目标任务的正确性。 这个方案能处理上述问题。

以知名运动鞋企业品牌尚欣为例，在一段时间内，从一些不同的立场只能得到产品不同的颜色和产品的照片。 在只有少量产品展示图的情况下，通过高效的ai方案，可以在新产品出现的短时间内实现新产品识别能力的覆盖，降低新产品被伪造或模仿的风险。 华堂说。

说明:新产品上市后，高效的人工智能方案可以更快地保护新产品的知识产权

阿里安全图灵实验室高级算法专家薛辉表示，疫情期间，口罩突然佩戴导致大量面部门禁失效，许多社区需要摘下口罩、刷脸，带来了不必要的健康风险。 高效的人工智能分类技术的应用将大大降低模型初始化的数据诉求，有助于快速训练模型，处理带口罩人脸识别问题。

今年3月，阿里率先向新的基础设施提出了新一代的安全架构和安全基础设施，并开始构建数字基础设施的安全模型室。 作为新一代安全架构安全技术层的核心人工智能技术，目前高效的人工智能程序使蚂蚁的智能化成为可能