为亿级用户的美好出行而战!高德地图首届算法大赛落幕 95后北邮在读博士带队夺冠

简介: 高德地图号召全球的开发者利用人工智能技术探索动态路况难题,收到了国内外顶尖学府、科研机构以及一线知名技术企业等产学研各界技术爱好者的积极响应。

​日前,高德地图联合阿里云天池平台举办的AMAP-TECH算法大赛落幕。本次大赛以“基于车载视频图像的动态路况分析”为赛题,来自15个国家和地区的880支战队经过数轮激烈角逐后,1996年出生的北京邮电大学博士三年级学生朱奕达带领的战队夺得冠军。

聪云颁奖.jpg

(高德地图技术委员会主席李小龙给冠军队伍颁奖,从左到右的三位同学分别是北京邮电大学研究生一年级学生谢志庆、广州大学方滨兴班研究生二年级学生黄文锋、北京邮电大学博士三年级学生朱奕达)

本次竞赛的赛题来源于高德真实的业务场景。路况信息不仅影响用户选择出行的路线、出行的方式,预估到达的时间,对于交通管理部门和城市规划部门也有重要的价值。

此次高德地图号召全球的开发者利用人工智能技术探索动态路况难题,收到了国内外顶尖学府、科研机构以及一线知名技术企业等产学研各界技术爱好者的积极响应。历经4个月的初赛、复赛,五强战队从来自于15个国家和地区,309所高校和256家+公司的参赛者组成的880支战队中脱颖而出进入到现场决赛答辩。

决赛评审上,北京大学教授、机器感知与智能教育部重点实验室主任查红彬,中科院自动化所研究员、模式识别国家重点实验室主任王亮,高德地图技术委员会主席李小龙,高德地图首席科学家任小枫,阿里巴巴达摩院自动驾驶实验室负责人王刚组成的专家评审团从创新性、实用性和扩展性以及现场表现三个维度对各队方案进行现场的综合评审。

评委们认为,朱奕达战队以模块化的方式设计了一个端到端序列分类模型, 使用了比较新颖的滑动窗口法对数据进行扩充。在简洁模型结构中充分利用了图像序列信息,并实现了较为优异的性能。在比赛过程中,算法的鲁棒性优秀,并具备良好的可扩展能力。同时模型设计过程中使用了学术研究领域相对前沿的技术方法,落地和实用性的潜力在决赛的几个作品里更突出。

北京大学教授、机器感知与智能教育部重点实验室主任查红彬表示,针对交通场景,选手们对深度学习网络结构方面下了很大的功夫。交通场景的问题是个动态变化的自适应性问题,希望同学们能够更多从在线学习角度考虑相关问题。

高德地图技术委员会主席、研究员李小龙在决赛现场发言时表示,动态路况分析是智慧出行场景的重要课题,高德通过智能化手段解决动态路况分析就需要用到人工智能、大数据等技术,这个问题的解决对于精准导航和人们美好出行具有重要的现实意义。他鼓励同学们通过更多系统性的深度思考,把更多学术界的前沿方法用到工业界的实际业务场景中,带来新的突破方向。

相关文章
|
4月前
|
机器学习/深度学习 人工智能 资源调度
【博士每天一篇文献-算法】连续学习算法之HAT: Overcoming catastrophic forgetting with hard attention to the task
本文介绍了一种名为Hard Attention to the Task (HAT)的连续学习算法,通过学习几乎二值的注意力向量来克服灾难性遗忘问题,同时不影响当前任务的学习,并通过实验验证了其在减少遗忘方面的有效性。
87 12
|
4月前
|
机器学习/深度学习 算法 计算机视觉
【博士每天一篇文献-算法】持续学习经典算法之LwF: Learning without forgetting
LwF(Learning without Forgetting)是一种机器学习方法,通过知识蒸馏损失来在训练新任务时保留旧任务的知识,无需旧任务数据,有效解决了神经网络学习新任务时可能发生的灾难性遗忘问题。
303 9
|
4月前
|
机器学习/深度学习 算法 机器人
【博士每天一篇文献-算法】改进的PNN架构Lifelong learning with dynamically expandable networks
本文介绍了一种名为Dynamically Expandable Network(DEN)的深度神经网络架构,它能够在学习新任务的同时保持对旧任务的记忆,并通过动态扩展网络容量和选择性重训练机制,有效防止语义漂移,实现终身学习。
66 9
|
4月前
|
机器学习/深度学习 算法 文件存储
【博士每天一篇文献-算法】 PNN网络启发的神经网络结构搜索算法Progressive neural architecture search
本文提出了一种名为渐进式神经架构搜索(Progressive Neural Architecture Search, PNAS)的方法,它使用顺序模型优化策略和替代模型来逐步搜索并优化卷积神经网络结构,从而提高了搜索效率并减少了训练成本。
69 9
|
4月前
|
机器学习/深度学习 算法
【博士每天一篇文献-算法】Adult neurogenesis acts as a neural regularizer
本文研究了成人神经发生(adult neurogenesis)在大脑学习过程中的作用,发现其作为一种神经调节器能提高学习泛化能力,并通过在卷积神经网络(CNN)中模拟神经发生,证明了其作为正则化手段与传统技术一样有效,甚至在某些方面更优。
31 6
|
4月前
|
存储 机器学习/深度学习 算法
【博士每天一篇文献-算法】Fearnet Brain-inspired model for incremental learning
本文介绍了FearNet,一种受大脑记忆机制启发的神经网络模型,用于解决增量学习中的灾难性遗忘问题。FearNet不存储先前的例子,而是使用由海马体复合体和内侧前额叶皮层启发的双记忆系统,以及一个受基底外侧杏仁核启发的模块来决定使用哪个记忆系统进行回忆,有效减轻了灾难性遗忘,且在多个数据集上取得了优异的性能。
38 6
|
4月前
|
机器学习/深度学习 存储 开发框架
【博士每天一篇文献-算法】NICE Neurogenesis Inspired Contextual Encoding for Replay-free Class Incremental Learn
NICE(Neurogenesis Inspired Contextual Encoding)是一种新型深度神经网络架构,旨在通过模拟生物神经系统的成熟过程来解决类别增量学习中的灾难性遗忘问题,无需重放旧样本即可实现有效的增量学习。
63 5
|
4月前
|
存储 机器学习/深度学习 算法
【博士每天一篇文献-算法】连续学习算法之HNet:Continual learning with hypernetworks
本文提出了一种基于任务条件超网络(Hypernetworks)的持续学习模型,通过超网络生成目标网络权重并结合正则化技术减少灾难性遗忘,实现有效的任务顺序学习与长期记忆保持。
56 4
|
4月前
|
机器学习/深度学习 存储 人工智能
【博士每天一篇文献-算法】改进的PNN架构Progressive learning A deep learning framework for continual learning
本文提出了一种名为“Progressive learning”的深度学习框架,通过结合课程选择、渐进式模型容量增长和剪枝机制来解决持续学习问题,有效避免了灾难性遗忘并提高了学习效率。
92 4
|
4月前
|
存储 机器学习/深度学习 算法
【博士每天一篇文献-算法】A biologically inspired dual-network memory model for reduction of catastrophic
本文介绍了一种受生物学启发的双网络记忆模型,由海马网络和新皮层网络组成,通过模拟海马CA3区的混沌行为和齿状回区的神经元更替,以及新皮层网络中的伪模式学习,有效减少了神经网络在学习新任务时的灾难性遗忘问题。
36 4

热门文章

最新文章