2018之江杯全球人工智能大赛总决赛现场

潘云鹤为2018之江杯全球人工智能大赛获奖选手颁奖

视频描述生成

视频描述生成，是一项结合了计算机视觉（CV）和自然语言处理（NLP）两技术领域的综合任务。视频描述的输入是一段视频，输出是描述视频主要故事的一段文本。该任务要求算法模型识别视频中的对象，理解对象之间的关系以及识别对象的行为，并用自然语言进行表达。目前在计算机视觉领域，图像识别、图像物体检测等已经做得比较成熟，我们可以利用视觉算法轻松检测和识别出图片中的各种物体。在视觉领域，下一步的研究发展方向是视觉理解，如图像中的场景理解、视频中的行为识别等。

电商评论观点挖掘

目前的电商平台上沉淀了大量的文本评论数据，其中蕴含着商家迫切想要知道的消费者观点等信息。这些信息可有效辅助商家进行舆情分析、用户理解，产品优化和营销决策等，具有非常大的实用价值和应用场景。电商评论观点挖掘的任务是在电商品牌商品评论中抽取品牌商品属性和消费者观点，并确认其情感极性和属性种类。本赛题涵盖了自然语言处理与机器学习的多个领域知识，如命名体识别，主题分类，属性抽取、情感分析等，典型的应用场景包括但不限于：品牌形象分析、商品优化建议、竞品监测对比等。参赛队伍可充分发掘数据价值，设计丰富的应用场景。

行人多目标跟踪

本次“行人多目标跟踪”的任务是对广场、街道、商场、道路、室内等多种固定摄像头监控场景中的人员进行自动跟踪，包括行人、骑自行车的人、骑电动车的人、骑摩托车的人、骑电动三轮车的人。各参赛选手可以在任何已公开的商业许可（如：MIT License）的数据集上进行训练、测试。竞赛组织方提供相关测试视频，最终得分评价测试在裁剪的测试视频上进行。

零样本目标检测

本次零样本目标检测（zero-shot object detection）竞赛的任务是在已知类别上训练目标检测模型，要求模型能够用于检测图片中未知类别的样本。过去几年中，基于深度学习的对象检测模型在基准数据集上实现了显著的性能提升，这些数据集通常规模不大，只包括数十或数百个对象类，其中每个训练图片都需要人工在像素级别上标注任意对象框（bounding box）和相应的标签，这些图片中可能含有不同数量、不同大小的对象实例，依次对这些实例进行准确标注的代价非常高。针对该问题，零样本对象检测进一步避免了传统检测模型中的大量有标签数据要求，能对完全未知的测试类对象进行检测，因此在实际问题中具有更大的应用潜力，比如实时跟踪、自动驾驶等问题。

高兴夫副省长连续三次对我省公民科学素质建设工作作出重要批示

关于宁波市属非省级财政拨款的依托单位签定联合资助协议的通知