旷视、北邮等国内团队包揽六项第一，COCO&Mapillary联合挑战赛结果公布

机器之心报道

作者：李亚洲

今日，ECCV 2018 COCO + Mapillary 联合挑战赛结果公布，来自国内的旷视科技、港中文 – 商汤联合实验室、北邮、滴滴等团队获得了这一挑战赛全部六大赛项的第一名。

当地时间 9 月 8 日，两年一度的欧洲计算机视觉顶级学术会议 ECCV 2018 在德国慕尼黑拉开帷幕。作为计算机视觉领域的三大顶会之一，ECCV 2018 受到了极大的关注，火热异常。如今大会官网还挂着一份醒目的通知：大会已满额，没地方了。

据数据显示，本届大会注册参会人数近 3200 人，收到论文投稿 2439 篇，其中接收 776 篇（31.8%）。在活动方面，ECCV 2018 共有 43 场 Workshops 和 11 场 Tutorials。

今日，在大会研讨会 Joint COCO and Mapilary Recognition Challenge Workshop 上，会议组织方公布了备受关注的 COCO + Mapillary 联合挑战赛的结果，来自中国的创业公司、高校团队包揽了 6 个项赛的第一名。

挑战赛简介

计算机视觉领域有众多挑战赛，MS COCO 是其中最受关注和最权威的比赛之一。COCO 是英文 Commen Objects in Context 的缩写，并有同名论文发布。COCO 数据集针对全场景理解而设计，意在促进物体检测研究发展。

Mapillary Vistas 是新近推出的街景集图像数据集，专注于图像的高阶语义理解，推动自动驾驶和机器人导航等领域的技术落地。在数据集和应用任务方面，两者有很多不同，而后者对前者起补足作用。通常来讲，COCO 是自然场景下的物体识别，Mapillary 则聚焦于街景场景识别，因此联合挑战赛的形式有利于计算机视觉技术更贴近现实场景，更具应用价值。

本届在 ECCV 2018 上的 COCO + Mapillary 联合挑战赛，包含 4 项 COCO 比赛、2 项 Mapillary 比赛，共计 6 个赛项。

其中 COCO 挑战赛项有 ：

• Instance Segmentation（实例分割）
• Panotic Segmentation（全景分割）
• Keypoints（人体关键点检测）
• DensePose（人体密集姿态估计）

Mapillary 挑战赛项包括：

• Vistas Instance Segmentation（路景实例分割）
• Vistas Panotic Segmentation（路景全景分割）

值得一提的是，自 2015 年首届挑战赛以来，COCO 赛项数量不断更新，评估标准也更加复杂。COCO 2018 相较往年又有改变。在检测方面，实例分割近年在 COCO 上大为流行，今年，COCO 和 Mapillary 都有此赛项；随着检测技术走向饱和，COCO 去掉了边界框检测这一赛项，但成绩依然出现在榜单上。另外一个变动是新增了 DensePose 和 Panoptic Segmentation 两个赛项。Panoptic Segmentation 同时解决一张图像上前景物体与背景物体的分类问题，把互为分裂的语义分割和实例分割整合为一，推动分割技术步入新境界，不断逼近现实应用。COCO 和 Mapillary 也都有此赛项。

大赛结果出炉

今日，在 Joint COCO and Mapilary Recognition Challenge Workshop（COCO & Mapillary 物体识别联合挑战赛研讨会）上，主办方最终公布了比赛结果。

从 COCO 数据集 Detection Leaderboard 上我们可以看到，港中文 – 商汤联合实验室 MMDet 团队、旷视科技团队在 COCO 实例分割赛项上比分接近（上图中旷视科技团队与 MMDet 团队同为 Winner），MMDet 团队平均得分比旷视科技高了 0.1%。

虽然其他 COCO 赛项得分还未显示在 Leaderboard 上，但我们可以从 COCO + Mapillary 联合挑战赛官网公布的 Workshop 日程上看出：

• COCO 关键点检测赛项：旷视科技第一，MSRA 团队第二；
• COCO 全景分割赛项：旷视科技第一，Caribbean 与 PKU_360 团队第二；
• COCO 姿态估计赛项：北京邮电大学模式识别与智能视觉实验室团队第一名;

因 Mapillary 竞赛组织方选择对以下两个比赛的结果保密，因此具体得分信息我们看不到。

但从 Workshopri 日程表中可以看出滴滴地图计算部团队获得 Mapillary 实例分割赛项第一名；旷视科技获得 Mapillary 全景分割赛项第一，TRI-ML 团队第二。