陈法子奥菲寺

　　

　　

　　量子|微信官方账号QbitAI

　　

　　

　　你有没有想过无人驾驶中的AI在哪里学开车？

　　

　　

　　在人工智能还没有学会之前就直接在路上跑肯定不让人放心，所以研究人员总是让他们在仿真环境.训练

　　

　　

　　这就相当于让AI上了一辆已经在云端跑了几千万次的云驾校，上了路之前就成了“老司机”。

　　

　　

　　然而，云驾校的建设成本并不低。

　　

　　

　　按照传统的方法，在每个路段拍摄和采集数据需要花费大量的时间和成本。

　　

　　

　　照片拍回来的时候，需要做标记。车道在哪里，交通标志在哪里，周围有什么车和行人。

　　

　　

　　

　　

　　

　　如果换到另一个城市，不同的道路宽度，不同的交通标志样式，甚至不同的光照条件在路上投下不同的阴影，AI就要重新学会适应。

　　

　　

　　你为每个城市拍了很多照片吗？成本太高。

　　

　　

　　这是整个无人驾驶行业不得不面对的问题。近日，华南理工大学成联智图项目组取得重要突破。

　　

　　

　　他们用GAN来传达城市街景的风格，只能传输一个城市的几个图像和目标城市风格的几个图像来生成目标城市风格的图像。

　　

　　

　　此外，它还可以生成各种危险和紧急情况的图像，让人工智能学会处理现场难以练习的极端场景。

　　

　　

　　

　　

　　

　　“城市联盟智能地图”团队华南理工大学,在今年的“互联网”大学生创新创业大赛中获得金奖。

　　

　　

　　

　　

　　

　　他们参加了今年在新产业赛道的比赛，选择了华为的《使用MindSpore设计和训练图像风格迁移模型》命题。

　　

　　

　　因为这一成果可以大大节约成本，加快无人驾驶产业的研发，就连华为MindSpore首席科学家陈雷也表示：

　　

　　

　　期待嵊泗MindSpore与成联智图团队长期深入合作，共同推动国内AI产业和生态发展。

　　

　　

　　#什么样的创新方案？

　　

　　

　　他们的模式是从风格转换的经典模式CycleGAN改进而来的。风格转换可以把一个城市的形象街景转换成另一个城市的形象街景。

　　

　　

　　

　　

　　

　　一个创新是结合语义信息在非图像空间做约束,它使模型的风格转换不完全受源图像的限制，使生成的图像更加自然。

　　

　　

　　此外，该模型被修改为多域转换模型，利用不同城市风格之间的异同，在不同的域转换任务中重用一些网络参数。

　　

　　

　　标题要求使用嵊泗MindSpore AI框架。至于如何学习一个新的技术体系，他们的经验是多看一些官方文件和教程，他们认为盛思论坛的很多讨论也很有参考价值。

　　

　　

　　另外，他们不能只是看和练习。直到他们试图完全建立第一个模型，他们才觉得自己已经开始了。

　　

　　

　　在正式的开发过程中，他们参考并调用了生态中很多已有的模块，API简单易用，所以他们认为MindSpore总体上有所提升。

　　

　　

　　人工智能框架在模型构建、训练和测试方面非常流畅。

　　

　　

　　比如可以实现自动网络分割，只需要串行表达式就可以实现并行训练，简化了开发过程。

　　

　　

　　调试时，只需更改一行代码，就可以在静态执行和动态调试之间切换，可以快速定位问题。

　　

　　

　　说到这里，学生们分享了他们遇到的一个可笑的问题。

　　

　　

　　就像最初的CycleGAN中给出的经典案例一样，在将马变成斑马的任务中，骑手身上也出现了斑马条纹。

　　

oimg.com/large/pgc-image/ac72124b94f54152a33352fc87d96b1c' />

　　　　

　　　　

　　　　资料来源：cycle gan paper arxiv . 37070 . 00070707071

　　　　

　　　　

　　　　在城市风貌改造任务中，路灯上有时会出现树木纹理。

　　　　

　　　　

　　　　像这样的问题目前在图像风格转换领域是无法完全避免的，只能尽量把可能性降到最低。

　　　　

　　　　

　　　　当谈到比赛中遇到的最大困难时，学生们说是算力资.

　　　　

源 。

　　　　

今年的大赛报名是在4-5月，7-8月就要参加省内赛，全国初赛安排在9月30日，时间上还是比较紧张。

　　　　

好在华为的昇腾AI团队为参赛队伍提供了充足的算力资源，并且为更快地搭建模型进行训练与测试提供了帮助。

　　　　

最终让华南理工大学团队在 2-3个月 就训练完参赛模型，及时赶上了比赛日程。

　　　　

# 获奖只是开始，后续还有计划

　　　　

其实同学们选择的这道命题给出了好几个答题方向，比如海洋模型等。

　　　　

为什么选择了城市风格迁移这个方向？

　　　　

同学们的回答是，一方面城市风格迁移比较新颖，一方面又可以应用到无人驾驶领域。

　　　　

像这样产学研融合的项目，也是华南理工大学所重视的，再加上计算机视觉和图像处理也是团队成员所擅长的，最终选择了这个方向。

　　　　

既然是大学生创新创业大赛，评选标准除了技术创新的部分，当然也包括创业的部分。

　　　　

华南理工大学团队中有4位计算机专业的同学，负责模型的开发、调试和测试等工作。

　　　　

还有3位工商管理专业的同学负责市场调研及商业方案的策划。

　　　　

特别是其中还有一位本科计算机、硕士工商管理的多面手同学负责核心技术与商业的交叉融合工作。

　　　　

　　　　

他们认为获奖只是一个开始，接下来希望把项目成果进一步完善，并落地应用到无人驾驶。

　　　　

# 获奖的除了同学们，还有……

　　　　

“互联网+”大学生创业创新大赛由教育部主办，今年举办到第七届。

　　　　

“互联网+”与“挑战杯”以及“创青春”并列成为三大全国性的大学生创业赛事。

　　　　

大赛今年新增设了产业赛道，面向企业征集在生产实践中真实遇到的问题，推动高校的科研实力去解决。

　　　　

全国1024所高校的10466支队伍报名参赛，经过层层筛选，最终只有50支队伍进入全国总决赛。

　　　　

除了最终胜出的参赛队伍，获奖的还有华为公司，获得了由赛事组委会颁发的优秀组织奖。

　　　　

这次大赛华为是产业命题赛道入围决赛队伍最多的企业，共有13支队伍，以昇腾AI、鲲鹏、OpenHarmony等技术作为研发底座参赛。

　　　　

在比赛过程中，华为向参赛团队提供一对一专家指导及关键任务深度指导，以及硬件算力资源。

　　　　

现在比赛虽然结束，但对于华为和华南理工大学的参赛队员来说，后续要做的工作还有很多。

　　　　

他们打算把比赛成果首先应用到无人驾驶的 图像增强 上，从给昇腾AI生态内相关企业和科研实验室提供图像数据开始，再一步步拓展应用范围。

　　　　

一方面为国产AI平台的生态建设做出贡献，一方面又能直接与使用同一套技术体系的企业合作。

　　　　

起到大幅节约成本、加快研发进度的作用，让研究成果真正去推动无人驾驶产业发展。

　　　　

积极参与“互联网+”大赛其实只是教育部-华为“智能基座”产教融合协同育人项目中的一部分。

　　　　

项目中还包括课程融合、慕课资源建设、众智项目申报等，现已覆盖 全国72所头部高校 。

　　　　

通过开设《人工智能芯片与系统》《深度学习基础》等10门精品慕课，和《昇腾AI处理器CANN应用与实战》《MindSpore深度学习高阶技术》等19本配套教材、教辅，昇腾AI等产业前沿技术已融入到高校的课程体系当中。

　　　　

借助优才、众智两大计划，联合生态伙伴为学生提供在真实的产业环境中进行实习、实践和创新的机会。

　　　　

还为学生提供华为工程师认证，提升学生在就业上的竞争力。

　　　　

“智能基座”项目计划到2023年覆盖超过500所高校，未来还要逐步扩大到全国超过2700所高校、高职、高专以及海外部分高校。

　　　　

通过虚拟教研室等形式，在未来5年赋能超过两万名优秀教师，累计培养超过五百万名理工科学生。

　　　　

相信像这次华南理工大学团队这样的，能做出实际推动产业发展创新成果的学生团队能够不断涌现出来。

　　　　

参考链接：

　　　　

[1] https://arxiv.org/abs/1703.10593

　　　　

— 完 —

　　　　

量子位 QbitAI · 头条号签约

　　　　

关注我们，第一时间获知前沿科技动态