歷經(jīng) 7 個(gè)月，由高通公司（Qualcomm）、中國(guó)智谷·重慶經(jīng)開區(qū)、CSDN、Testin云測(cè)、OPPO、極視角、中科創(chuàng)達(dá)、創(chuàng)業(yè)邦聯(lián)合主辦，重慶經(jīng)開區(qū)·高通中國(guó)·中科創(chuàng)達(dá)聯(lián)合創(chuàng)新中心協(xié)辦，TensorFlow Lite 作為開源技術(shù)合作伙伴的行業(yè)內(nèi)專業(yè)性質(zhì)的“高通人工智能應(yīng)用創(chuàng)新大賽”順利收官！

經(jīng)過嚴(yán)酷的初賽和決賽兩輪 PK，最終由評(píng)委從參賽者提交的110 個(gè)優(yōu)秀作品中甄選出優(yōu)勝獲獎(jiǎng)作品，由 9 支參賽團(tuán)隊(duì)/個(gè)人分別斬獲白金獎(jiǎng)、商業(yè)模式創(chuàng)新獎(jiǎng)、重慶創(chuàng)新中心特別獎(jiǎng)、AI 視覺計(jì)算創(chuàng)新應(yīng)用獎(jiǎng)、算法創(chuàng)新獎(jiǎng)、AI 應(yīng)用場(chǎng)景創(chuàng)新獎(jiǎng)、終端側(cè)人工智能創(chuàng)新獎(jiǎng)、5G 邊緣應(yīng)用技術(shù)獎(jiǎng)與 AIOT DSP 應(yīng)用創(chuàng)新獎(jiǎng)！

究竟是哪些牛人摘得了今年的獎(jiǎng)項(xiàng)呢？獲獎(jiǎng)的作品有哪些獨(dú)特之處？話不多說，下面我們來一一揭曉。

各大獎(jiǎng)項(xiàng)花落誰家？

獲獎(jiǎng)?wù)撸黑w天奇

參賽作品名稱：人工智能動(dòng)畫系統(tǒng)：賽博化身Cybatar

團(tuán)隊(duì)成員與分工：趙天奇，聚力維度創(chuàng)始人CTO，項(xiàng)目方向與科研；王遠(yuǎn)，聚力維度軟件開發(fā)組長(zhǎng)，項(xiàng)目實(shí)施。

作品介紹：

賽博化身Cybatar是一款人工智能動(dòng)畫制作應(yīng)用，包括實(shí)拍級(jí)面部捕捉、智能動(dòng)捕、智能面捕、智能生成、智能聲捕等數(shù)字人技術(shù)，讓每個(gè)人都可以每天制作幾分鐘專業(yè)動(dòng)畫作品。當(dāng)前版本內(nèi)置若干個(gè)自有或合作IP的CG角色、場(chǎng)景道具、以及合成模板，可以根據(jù)不同設(shè)定和權(quán)限使用生產(chǎn)內(nèi)容，素材庫多樣。僅利用普通攝像頭就可以精準(zhǔn)捕捉用戶的面部表情，喜怒哀樂甚至各種微表情的變化都能精準(zhǔn)展示，還能對(duì)不同控制者和使用場(chǎng)景進(jìn)行精準(zhǔn)面部調(diào)節(jié)，例如眼睛大小，脖子高低等。

這款應(yīng)用未來可實(shí)現(xiàn)的功能包括三維場(chǎng)景轉(zhuǎn)換、多人多來源控制系統(tǒng)、游戲分時(shí)組合控制機(jī)制、網(wǎng)絡(luò)同步更新機(jī)制、網(wǎng)絡(luò)直錄播合作機(jī)制、人工智能捏臉系統(tǒng)、換裝系統(tǒng)以及動(dòng)作捕捉，手勢(shì)捕捉，聲音捕捉等AI算法。

效果展示：

聚力維度研制了新型面捕網(wǎng)絡(luò)結(jié)構(gòu)模型，克服了傳統(tǒng)面捕算法受限于建模精度，拍攝角度和環(huán)境光照的缺點(diǎn)。模型可分為通用ID提取模型、表情提取模型、表情優(yōu)化模型、姿態(tài)提取模型以及時(shí)空融合模型。

通過這種分任務(wù)網(wǎng)絡(luò)和多級(jí)結(jié)構(gòu)，達(dá)到了表情和姿態(tài)的精確提取和轉(zhuǎn)換，同時(shí)保證了模型在進(jìn)行面捕頭捕時(shí)的一致性和實(shí)時(shí)性。

然后，將此模型順利移植到搭載高通驍龍865的安卓手機(jī)上，與UE4三維引擎相結(jié)合實(shí)現(xiàn)了虛擬數(shù)字人的實(shí)時(shí)面部表情重現(xiàn)。最后，針對(duì)移動(dòng)端平臺(tái)進(jìn)行了場(chǎng)景的優(yōu)化，包括光照、材質(zhì)、模型等，使得運(yùn)行效率超過24fps。

獲獎(jiǎng)?wù)撸涸┘皟?yōu)學(xué)貓研發(fā)團(tuán)隊(duì)

參賽作品名稱：優(yōu)學(xué)貓AI系統(tǒng)

團(tuán)隊(duì)成員與分工：袁博 優(yōu)學(xué)貓技術(shù)合伙人；孫博 優(yōu)學(xué)貓CEO；潘志剛 產(chǎn)品運(yùn)營(yíng)。

作品及開發(fā)過程介紹：

優(yōu)學(xué)貓兒童AI互動(dòng)學(xué)習(xí)平臺(tái)包含學(xué)前兒童多科啟蒙AI智能硬件和AI課程，連接各種智能屏幕，把AI芯片嵌入傳統(tǒng)玩教具升級(jí)為智能教具，使用多種教育場(chǎng)景和AI互動(dòng)技術(shù)激發(fā)兒童興趣，用視覺、聽覺、觸覺等多感官刺激感知，幫助兒童探究學(xué)習(xí)，“授之以漁而非魚”。

優(yōu)學(xué)貓主要涉及的AI技術(shù)：

第一是語音識(shí)別，主要用于優(yōu)學(xué)貓英語APP中，用戶會(huì)跟游戲以及真人錄播老師的音頻進(jìn)行跟讀，由系統(tǒng)評(píng)判跟讀結(jié)果并反饋。具體的通過對(duì)采集聲音完成預(yù)處理，并使用CMUSphinx的語言模型及概率學(xué)統(tǒng)計(jì)進(jìn)行語音識(shí)別的功能。

第二是使用了人體關(guān)鍵點(diǎn)識(shí)別及人體語義分割完成復(fù)雜場(chǎng)景的人物摳圖，并改進(jìn)CocosNet網(wǎng)絡(luò)完成人體姿態(tài)重定向的部分，將小朋友放置到APP的場(chǎng)景內(nèi)實(shí)現(xiàn)交互及動(dòng)畫；同時(shí)也使用了傳統(tǒng)CV的方式完成了對(duì)一些物體的邊緣檢測(cè)和濾波功能，使得小朋友可以自己進(jìn)行DIY創(chuàng)作。

參考CocosNet，跨域?qū)崿F(xiàn)人體姿態(tài)遷移：

基于人體關(guān)鍵點(diǎn)配合Spine骨骼動(dòng)畫實(shí)現(xiàn)任務(wù)場(chǎng)景交互融合，同時(shí)通過人體語義分割實(shí)現(xiàn)Mesh權(quán)重綁定，最終作用于APP場(chǎng)景內(nèi)，讓小朋友看到自己虛擬進(jìn)入課堂。

第三優(yōu)學(xué)貓課程通過視頻自動(dòng)切片技術(shù)根據(jù)不同的錯(cuò)誤反饋操作，計(jì)算出不同的反饋的無縫連接視頻，模擬真人老師直播過程。

第四優(yōu)學(xué)貓實(shí)現(xiàn)了AI教具智能陪練，記錄孩子學(xué)習(xí)數(shù)據(jù)智能，分析測(cè)評(píng)，智能點(diǎn)評(píng)等不同的功能。

獲獎(jiǎng)?wù)撸菏Y琦及律動(dòng)團(tuán)隊(duì)

參賽作品名稱：律動(dòng)（心肺疾病輔助診斷終端和服務(wù)）

團(tuán)隊(duì)成員與分工：蔣琦 戴維森開普蘭顧問，盼達(dá)用車CIO，負(fù)責(zé)整體產(chǎn)品和后端實(shí)現(xiàn)；王守崑 原豆瓣首席科學(xué)家，作為顧問提供算法調(diào)優(yōu)指導(dǎo)等；于子豪，負(fù)責(zé)前端交互。

作品及開發(fā)過程介紹：

律動(dòng)提供心肺疾病輔助診斷、定位于家用預(yù)診斷市場(chǎng)的終端和服務(wù)。近二十年來，電子聽診和心肺輔助診斷領(lǐng)域雖有成果但存在著很多待突破的困境，比如數(shù)據(jù)庫缺乏、采樣終端成本昂貴、反饋系統(tǒng)迭代慢、量產(chǎn)規(guī)模較小等。律動(dòng)通過高性價(jià)比的電子聽診器采集心肺音數(shù)據(jù)，再利用人工智能算法對(duì)比潛在的疾病種類，從而解決上述問題。律動(dòng)做到極致的成本控制、易用、準(zhǔn)確，硬件方案控制在200元人民幣內(nèi)，單病例采樣規(guī)模做到10000例，商業(yè)化做到100類型心肺相關(guān)病例覆蓋，并建立快速的反饋系統(tǒng)優(yōu)化診斷模型。

該項(xiàng)目補(bǔ)全了國(guó)內(nèi)對(duì)心肺音疾病數(shù)據(jù)庫的空白，只需要簡(jiǎn)單幾步操作，在安靜環(huán)境中將電子聽診器插入手機(jī)耳機(jī)插孔，采集心音或肺音數(shù)據(jù)，經(jīng)Tensorflow Lite等推測(cè)疾病種類。當(dāng)前階段識(shí)別準(zhǔn)確率已達(dá)到82%，隨著樣本的補(bǔ)充，識(shí)別的病癥寬度和準(zhǔn)確度都會(huì)繼續(xù)提高。

獲獎(jiǎng)?wù)撸和鯉煆V

團(tuán)隊(duì)成員與分工：個(gè)人

參賽作品名稱：基于移動(dòng)端的農(nóng)作物病蟲害識(shí)別系統(tǒng)

作品及開發(fā)過程介紹：

“三農(nóng)”問題是當(dāng)前我國(guó)密切關(guān)注的社會(huì)問題，基于圖像處理技術(shù)的農(nóng)作物病蟲害識(shí)別具有快速、精確、實(shí)時(shí)等特點(diǎn)，能夠協(xié)助農(nóng)耕人員及時(shí)采取有效的防治措施。該系統(tǒng)采用大規(guī)模專業(yè)圖像數(shù)據(jù)來訓(xùn)練深度學(xué)習(xí)模型，現(xiàn)已支持近15種農(nóng)作物、80種常見病蟲害種類的識(shí)別，識(shí)別準(zhǔn)確率大于90%，單張圖片的識(shí)別時(shí)間小于200ms。

利用該系統(tǒng)，農(nóng)耕人員只需要下載一個(gè)App，拿出手機(jī)拍照圈定要識(shí)別的區(qū)域，該系統(tǒng)就能夠自動(dòng)的識(shí)別農(nóng)作物的發(fā)病狀態(tài)和種類。

上圖為基于移動(dòng)端的農(nóng)作物病蟲害識(shí)別項(xiàng)目系統(tǒng)概述圖。首先，在服務(wù)端采用大規(guī)模專業(yè)圖像數(shù)據(jù)來訓(xùn)練深度學(xué)習(xí)模型，并使用AutoML和知識(shí)遷移等技術(shù)使得在有限時(shí)延的限制下搜索出更高精度的模型，再將訓(xùn)練好的模型部署到搭載高通驍龍865 5G移動(dòng)平臺(tái)的OPPO Ace2手機(jī)上，利用高通第五代 AIEngine加速整個(gè)模型部署的性能，得到整個(gè)項(xiàng)目的原型。最后利用云端大數(shù)據(jù)為每個(gè)農(nóng)戶提供精準(zhǔn)個(gè)性化的綜合解決方案。

在開發(fā)過程中，作者遇到的主要問題是如何用較少的數(shù)據(jù)訓(xùn)練出較高精度和泛化性的模型，以及需要準(zhǔn)備一個(gè)適當(dāng)?shù)沫h(huán)境。由于作者本身沒有App設(shè)計(jì)和開發(fā)的經(jīng)驗(yàn)，對(duì)Android開發(fā)不熟練，需要邊學(xué)習(xí)邊開發(fā)，過程雖略微坎坷，不過問題總算被一一解決，感謝在項(xiàng)目過程中給與幫助的朋友。

獲獎(jiǎng)?wù)撸宏糖?/span>

參賽作品名稱：基于顏色補(bǔ)償?shù)膱D像增強(qiáng)

團(tuán)隊(duì)成員與分工：個(gè)人

作品及開發(fā)過程介紹：

近年來，盡管水下圖像處理領(lǐng)域取得了相對(duì)不錯(cuò)的效果，但仍存在很多痛點(diǎn)。為此，本項(xiàng)目針對(duì)水下圖像顏色復(fù)原提出了一種實(shí)現(xiàn)成本低且復(fù)原效果好的的復(fù)原方法，期望矯正水下圖像的色偏同時(shí)去除水下成像后向散射的干擾。

實(shí)現(xiàn)水下圖像顏色復(fù)原以及清晰度恢復(fù)的主要步驟如下：

原圖通過WCID估計(jì)出水下圖像不同波段光線的全局衰減率以及局部衰減率

根據(jù)第一步計(jì)算的衰減率對(duì)衰減較多的顏色通道進(jìn)行色彩補(bǔ)償

對(duì)補(bǔ)償后圖像進(jìn)行白平衡去除過度補(bǔ)償?shù)呢?fù)面效應(yīng)

根據(jù)圖像的藍(lán)綠通道采用去霧的方式估計(jì)水體圖像的透射率

采用大氣散射模型去除水體圖像的后向散射得到清晰的圖像

實(shí)驗(yàn)結(jié)果展示：

獲獎(jiǎng)?wù)撸褐x永明 （香港光云科技團(tuán)隊(duì)）

參賽作品名稱：TrueToF—主動(dòng)式AI ToF成像及應(yīng)用

團(tuán)隊(duì)成員與分工：謝永明，香港光云科技創(chuàng)始人，項(xiàng)目統(tǒng)籌；周經(jīng)偉，3D成像算法研發(fā)；李建英，工程管理與實(shí)施；王興鶴，產(chǎn)品設(shè)計(jì)。

作品及開發(fā)過程介紹：

伴隨ToF產(chǎn)品的發(fā)展，再加上ToF輸出深度信息，不會(huì)有色彩圖像信息輸出，保證了個(gè)人隱私?；诖朔矫婵紤]，香港光云科技推出了TrueToF人像應(yīng)用，通TrueToF提供的三維圖像信息非常有利于做圖像分割與3D識(shí)別，可以快速定位感興趣區(qū)域，從而降低后期AI算法的數(shù)據(jù)處理復(fù)雜度，簡(jiǎn)化用戶的人臉I(yè)D注冊(cè)流程并提升3D人臉識(shí)別系統(tǒng)的精準(zhǔn)度。

TrueToF ToF成像AI優(yōu)化

相較于傳統(tǒng)ToF成像，TrueToF利用機(jī)器學(xué)習(xí)，通過對(duì)環(huán)境的機(jī)器學(xué)習(xí)，正確識(shí)別與提升黑色物體、強(qiáng)光環(huán)境下的ToF成像精度和準(zhǔn)度，并進(jìn)行動(dòng)態(tài)成像以保證移動(dòng)設(shè)備的節(jié)電需求。

TrueToF ToF人像摳圖

基于快速的人臉識(shí)別機(jī)器學(xué)習(xí)模型，可實(shí)現(xiàn)毫秒級(jí)的人臉檢測(cè)、人像提取，同時(shí)保證3D人像與物體的摳圖在復(fù)雜背景的邊緣準(zhǔn)度。

TrueToF ToF人臉識(shí)別

本系統(tǒng)可一次性提取超過400個(gè)3D特征點(diǎn)作為特征比對(duì)點(diǎn)，并通過高通第五代 AI Engine加速，具備毫秒級(jí)采集，有效簡(jiǎn)化用戶人臉I(yè)D的注冊(cè)流程，通過毫秒級(jí)的人臉識(shí)別模塊，可根據(jù)3D特征快速定位人臉并進(jìn)行實(shí)時(shí)的人臉跟蹤及識(shí)別。

TrueToF ToF表情映射

通過400多個(gè)特征點(diǎn)的實(shí)時(shí)匹配，可獲取實(shí)時(shí)面部信息，保障了人臉的“任意角度”跟蹤，通過利用高通第五代 AI Engine加速，可實(shí)現(xiàn)實(shí)時(shí)面部表情的獲取，可用于3D表情的實(shí)時(shí)映射等。

獲獎(jiǎng)?wù)撸簠矔苑?/span>

參賽作品名稱：基于安卓的photo2cartoon應(yīng)用

團(tuán)隊(duì)成員與分工：隊(duì)長(zhǎng)：叢曉峰（研二學(xué)生），負(fù)責(zé)Android studio開發(fā)APP，采用深度學(xué)習(xí)框架進(jìn)行模型訓(xùn)練和端側(cè)部署。

作品及開發(fā)過程介紹：

目前，手機(jī)APP已經(jīng)成為兒童學(xué)習(xí)的重要入口。本項(xiàng)目旨在提高兒童繪畫學(xué)習(xí)的趣味性，利用深度學(xué)習(xí)圖圖轉(zhuǎn)換（Image-to-Image Translation）技術(shù)，將用戶手工繪制的“簡(jiǎn)筆畫”轉(zhuǎn)為“真實(shí)圖像”。

該App提供了四個(gè)面板，分別用于記錄用戶在繪制草圖過程中，不同階段對(duì)應(yīng)生成的圖像。用戶可以通過選擇顯示器標(biāo)號(hào)（1,2,3,4），將生成的圖像指定到任意畫板上，如下：

系統(tǒng)使用當(dāng)前學(xué)界普遍認(rèn)可的image2image轉(zhuǎn)換方法，根據(jù)端側(cè)的實(shí)時(shí)性要求進(jìn)行模型設(shè)計(jì)。采用Conv/DeConv + InstanceNorm + ReLU作為基本模塊設(shè)計(jì)編碼解碼網(wǎng)絡(luò)（Conv表示卷積，Deconv表示反卷積）。模型采用深度學(xué)習(xí)領(lǐng)域的生成對(duì)抗網(wǎng)絡(luò)思想，對(duì)生成器和判別器進(jìn)行聯(lián)合訓(xùn)練，確保生成網(wǎng)絡(luò)和判別網(wǎng)絡(luò)的同步優(yōu)化。

生成器網(wǎng)絡(luò)作為移動(dòng)端部署的核心網(wǎng)絡(luò)，負(fù)責(zé)將用戶繪制的草圖轉(zhuǎn)換為真實(shí)圖像。生成器由多個(gè)卷積模塊和反卷積模塊構(gòu)成，整體結(jié)構(gòu)為編碼-解碼思想，如下圖：

獲獎(jiǎng)?wù)撸宏慁i

參賽作品名稱：AI智能圖鑒

團(tuán)隊(duì)成員與分工：陳鵬 博特智能VP 世界100強(qiáng)IT企業(yè)高級(jí)研發(fā)工程師+后臺(tái)算法和業(yè)務(wù)邏輯開發(fā)；張靜 具設(shè)計(jì)部管理經(jīng)驗(yàn)，擅長(zhǎng)支持企業(yè)CIS系統(tǒng)設(shè)計(jì)服務(wù)VIS視覺設(shè)計(jì)，企業(yè)品牌視覺設(shè)計(jì)、企宣相關(guān)設(shè)計(jì)等；徐苑資深市場(chǎng)營(yíng)銷專家，創(chuàng)意和傳播，產(chǎn)品和交互設(shè)計(jì)。

作品介紹：

AI智能圖鑒基于諦聽AI智能平臺(tái)，該平臺(tái)采用全流水線深度學(xué)習(xí)算法，以GPU/CPU為核心的服務(wù)器集群并行分布式架構(gòu)，通過大量模型訓(xùn)練，利用算法實(shí)現(xiàn)了對(duì)違規(guī)圖片內(nèi)容的自動(dòng)過濾，包括涉黃、低俗、涉政、涉暴恐、違禁廣告等多維度多分類的內(nèi)容審核過濾機(jī)制，以及場(chǎng)景、人物、動(dòng)作、物體等各類情景標(biāo)簽的識(shí)別。

本系統(tǒng)分為前端業(yè)務(wù)系統(tǒng)以及后端算法服務(wù)兩個(gè)主要部分，采用了微服務(wù)架構(gòu)設(shè)計(jì)思想并結(jié)合開源的spring框架設(shè)計(jì)而成。

本系統(tǒng)圖片內(nèi)容審核是基于深度神經(jīng)網(wǎng)絡(luò)模型實(shí)現(xiàn)，采用像素集分類計(jì)數(shù)和網(wǎng)絡(luò)再生技術(shù)進(jìn)行圖片內(nèi)容審核。此外，本系統(tǒng)采用了分布式架構(gòu)部署，最新版本的圖像模型訓(xùn)練集樣本庫已經(jīng)達(dá)到了25萬張，圖像算法目前的平均識(shí)別準(zhǔn)確率達(dá)92%，特別是在涉黃圖片方面的識(shí)別率，模型的識(shí)別準(zhǔn)確率達(dá)95.6%。

產(chǎn)品工作流程展示：從左到右依次初始界面、上傳審核、結(jié)果展示

獲獎(jiǎng)?wù)撸海喊孜牟ǖ龋ń魑挚梢暟l(fā)展有限公司）

參賽作品名稱：AI智能后視鏡

團(tuán)隊(duì)成員與分工：團(tuán)隊(duì)

作品及開發(fā)過程介紹：

業(yè)界首款采用高通驍龍8核的智能后視鏡產(chǎn)品，整體方案以高通MSM8953芯片為主控，整合定位、攝像頭、安卓系統(tǒng)、算法、車載應(yīng)用等軟硬件資源。本地支持多路視頻顯示和錄像，前后ADAS預(yù)警、DMS預(yù)警、智能導(dǎo)航、語音交互、行車軌跡回放、藍(lán)牙電話、倒車后視影像、多媒體影音娛樂（QQ音樂和聽伴）等功能；在線支持視頻直播、行車軌跡、文件調(diào)取、電子圍欄、導(dǎo)航尋車、微信互聯(lián)、消息提醒、語音對(duì)講、在線升級(jí)等功能。

系統(tǒng)框架圖

值得注意的是，以上獲獎(jiǎng)?wù)呤潜姸鄥①愖髌分械馁?，大賽進(jìn)行過程中還涌現(xiàn)出一批優(yōu)秀的人才和AI解決方案，涉及工業(yè)、農(nóng)業(yè)、交通、電商、游戲、慈善、智能家居、健康、民政服務(wù)等多個(gè)領(lǐng)域，為AI應(yīng)用創(chuàng)新增加了新的血液！

相約“高通人工智能應(yīng)用創(chuàng)新大賽”頒獎(jiǎng)典禮

最終決賽獲獎(jiǎng)作品將于9月底在線上舉行的 “高通人工智能應(yīng)用創(chuàng)新大賽”頒獎(jiǎng)典禮上進(jìn)行獎(jiǎng)項(xiàng)授予，并有來自高通公司、重慶經(jīng)開區(qū)、極視角、中科創(chuàng)達(dá)、清華大學(xué)、OPPO、Google TensorFlow 等公司的高管及技術(shù)主管也將出席此次活動(dòng)，與大家分享各自對(duì)AI 領(lǐng)域的獨(dú)特見解，以及對(duì)未來的展望。

據(jù)大會(huì)官網(wǎng)介紹，本次大賽為唯一一名白金獎(jiǎng)獲得者準(zhǔn)備了搭載高通驍龍820A汽車平臺(tái)的領(lǐng)克05 SUV 一輛（僅承擔(dān)裸車價(jià)格部分），名分項(xiàng)賽道金獎(jiǎng)獲獎(jiǎng)?wù)咭矊⒎謩e獲得價(jià)值30,000元人民幣的獎(jiǎng)品。

創(chuàng)新永不止步，高通人工智能應(yīng)用創(chuàng)新大賽不斷為業(yè)界應(yīng)用帶來更多優(yōu)秀人才與實(shí)用的解決方案，期待頒獎(jiǎng)典禮帶給大家更多驚喜！