下面這幾張圖的內(nèi)容分別是什么?你或許一眼就能看出是打麻將、競速摩托、香檳、熊貓。

但人工智能不一定可以。

雖然人工智能已經(jīng)強大到可以識別萬物，但很多AI模型只能完成單一的任務(wù)，比如識別單一的物體，或者識別風(fēng)格較為統(tǒng)一的照片，如果換一種類型或者風(fēng)格，就愛莫能助。

現(xiàn)在，有一位“書生”，對于這不同類型的圖，它都能較為準(zhǔn)確地識別出其中的內(nèi)容，包括圖畫。

這需要有獨特的模型訓(xùn)練及標(biāo)簽體系，也要求模型具有一定的通用性，這樣才能對不同類型的圖片做出準(zhǔn)確的描述。

這位“書生”正是去年11月，由上海人工智能實驗室聯(lián)合商湯科技、香港中文大學(xué)、上海交通大學(xué)，聯(lián)合發(fā)布的通用視覺技術(shù)體系“書生”(INTERN)。

今天，為了幫助業(yè)界更好地探索通用視覺AI技術(shù)，基于“書生”技術(shù)體系的通用視覺平臺OpenGVLab正式發(fā)布并開源。

OpenGVLab開放的內(nèi)容包括其超高效預(yù)訓(xùn)練模型，和千萬級精標(biāo)注、十萬級標(biāo)簽量的公開數(shù)據(jù)集，為全球開發(fā)者提升各類下游視覺任務(wù)模型訓(xùn)練提供重要支持。

同時，OpenGVLab還同步開放業(yè)內(nèi)首個針對通用視覺模型的評測基準(zhǔn)，便于開發(fā)者對不同通用視覺模型的性能進行橫向評估和持續(xù)調(diào)優(yōu)。

目前OpenGVLab開源平臺(opengvlab.shlab.org.cn)已正式上線，供各界研究人員訪問和使用，后續(xù)項目還將開通在線推理功能，供所有對人工智能視覺技術(shù)感興趣的社會人士自由體驗。

超高性能模型，展現(xiàn)極強的通用性

OpenGVLab繼承了“書生”體系的技術(shù)優(yōu)勢，其開源的預(yù)訓(xùn)練模型具有超高的性能和通用性。

具體而言，相較于當(dāng)前最強開源模型(OpenAI 于2021年發(fā)布的CLIP)，OpenGVLab的模型可全面覆蓋分類、目標(biāo)檢測、語義分割、深度估計四大視覺核心任務(wù)，在準(zhǔn)確率和數(shù)據(jù)使用效率上均取得大幅提升。

基于同樣的下游場景數(shù)據(jù)，開源模型在分類、目標(biāo)檢測、語義分割及深度估計四大任務(wù)26個數(shù)據(jù)集上，平均錯誤率分別降低了40.2%、47.3%、34.8%和9.4%。

開源模型在分類、檢測、分割和深度估計中，僅用10%的下游訓(xùn)練數(shù)據(jù)就超過了現(xiàn)有其他開源模型。

使用此模型，研究人員可以大幅降低下游數(shù)據(jù)采集成本，用極低的數(shù)據(jù)量，即可快速滿足多場景、多任務(wù)的AI模型訓(xùn)練。

OpenGVLab還提供多種不同參數(shù)量、不同計算量的預(yù)訓(xùn)練模型，以滿足不同場景的應(yīng)用。模型庫中列出了多個模型，其在ImageNet的微調(diào)結(jié)果和推理資源、速度，相比于之前的公開模型均有不同程度的性能提升。

開放千萬級精標(biāo)注數(shù)據(jù)集

高性能的模型，離不開豐富數(shù)據(jù)集的訓(xùn)練。

除了預(yù)訓(xùn)練模型，以百億數(shù)據(jù)總量為基礎(chǔ)，上海人工智能實驗室構(gòu)建了超大量級的精標(biāo)注數(shù)據(jù)集，近期將進行數(shù)據(jù)開源工作。

超大量級的精標(biāo)注數(shù)據(jù)集不僅整合了現(xiàn)有的開源數(shù)據(jù)集，還通過大規(guī)模數(shù)據(jù)圖像標(biāo)注任務(wù)，實現(xiàn)了對圖像分類、目標(biāo)檢測以及圖像分割等任務(wù)的覆蓋，數(shù)據(jù)總量級近七千萬。開源范圍涵蓋千萬級精標(biāo)注數(shù)據(jù)集和十萬級標(biāo)簽體系。

目前，圖像分類任務(wù)數(shù)據(jù)集已率先開源，后續(xù)還將開源目標(biāo)檢測任務(wù)等更多數(shù)據(jù)集。

此外，此次開源的超大標(biāo)簽體系，不僅幾乎覆蓋了所有現(xiàn)有開源數(shù)據(jù)集，并在此基礎(chǔ)上擴充了大量細粒度標(biāo)簽，涵蓋各類圖像中的屬性、狀態(tài)等，極大豐富了圖像任務(wù)的應(yīng)用場景，顯著降低下游數(shù)據(jù)的采集成本。

研究人員還可以通過自動化工具添加更多標(biāo)簽，對數(shù)據(jù)標(biāo)簽體系進行持續(xù)擴展和延伸，不斷提高標(biāo)簽體系的細粒度，共同促進開源生態(tài)繁榮發(fā)展。

首個通用視覺評測基準(zhǔn)

伴隨OpenGVLab的發(fā)布，上海人工智能實驗室還開放了業(yè)內(nèi)首個針對通用視覺模型的評測基準(zhǔn)，彌補通用視覺模型評測領(lǐng)域的空白。

當(dāng)前，行業(yè)中已有的評測基準(zhǔn)主要針對單一任務(wù)、單一視覺維度設(shè)計，無法反映通用視覺模型的整體性能，難以用于橫向比較。

全新的通用視覺評測基準(zhǔn)憑借在任務(wù)、數(shù)據(jù)等層面的創(chuàng)新設(shè)計，可以提供權(quán)威的評測結(jié)果，推動統(tǒng)一標(biāo)準(zhǔn)上的公平和準(zhǔn)確評測，加快通用視覺模型的產(chǎn)業(yè)化應(yīng)用步伐。

在任務(wù)設(shè)計上，OpenGVLab提供的通用視覺評測基準(zhǔn)創(chuàng)新地引入了多任務(wù)評測體系，可以從分類、目標(biāo)檢測、語義分割、深度估計、行為識別等5類任務(wù)方向，對模型的通用性能進行整體評估。

不僅如此，該評測基準(zhǔn)新加了僅用測試數(shù)據(jù)集10%數(shù)據(jù)量的評測設(shè)定，可以有效評估通用模型在真實數(shù)據(jù)分布下的小樣本學(xué)習(xí)能力。在測試后，評測基準(zhǔn)還會根據(jù)模型的評測結(jié)果給出相應(yīng)的總分，方便使用者對不同的模型進行橫向評測。

隨著人工智能與產(chǎn)業(yè)融合的不斷深入，行業(yè)對人工智能的需求逐漸從單一任務(wù)向復(fù)雜的多任務(wù)協(xié)同發(fā)展，亟需構(gòu)建開源、開放的體系，以滿足趨于碎片化和長尾化的海量應(yīng)用需求。

OpenGVLab的開源，將幫助開發(fā)者顯著降低通用視覺模型的開發(fā)門檻，用更低成本快速開發(fā)用于成百上千種視覺任務(wù)、視覺場景的算法模型，高效實現(xiàn)對長尾場景的覆蓋，推動通用AI技術(shù)的規(guī)?；瘧?yīng)用。

歡迎大家加入OpenGVLab，一起構(gòu)筑通用AI生態(tài)。

原文標(biāo)題：通用視覺研究利器來了!OpenGVLab平臺正式開源

文章出處：【微信公眾號：商湯科技SenseTime】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

審核編輯：湯梓紅