2017年9月8日，首届“航天星图杯”高分软件大赛落下帷幕。中国科学院大学模式识别与智能系统开发实验室的参赛团队以优秀的软件作品脱颖而出，获得“高分辨率可见光图像中车辆自动识别”奖项的一等奖以及“高分辨率可见光图像中飞机自动识别”奖项的二等奖。
大赛评委会表示，中国科学院大学参赛队利用创新算法有效提升了基础模型在旋转对象上的理解能力，相比于传统的自动识别手段在检测精度和效率方面大幅提高，具备很强的创新性和实用性。
赛后，泰伯网记者有幸采访到这支参赛团队，了解他们参加此次大赛背后的故事。采访中，团队的指导老师焦建彬教授表示，通过这次竞赛，不单单锻炼了学生们的团队精神，还将他们平日里论文和研究成果得以实现和落地。
“这次高分软件大赛的参赛团队很多，基本覆盖了领域内绝大多数高校、研究所，从比赛最终的结果来看，我觉得很有代表性，大家做的都非常不错。
因为这一次采用的是线上评定的方式，就是每星期提交你的软件去跑分，会有实时的排名更新，所以也确实能够看到你追我赶的那个趋势，就是你优化一点，我再优化一点，所以大家应该都是把实力拿出来了。
这次比赛推动了年轻人才培养和研究团队建设，促进高分辨率对地观测技术交流合作和成果转化，进一步提升了高分重大专项社会影响力。”
据另一位指导老师叶齐祥教授介绍，这次是实验室第一次组织队伍出来参加大型比赛，大家都收获颇丰，这次比赛经历对学生今后实际科研工作和科研选题都有一定的启发，实验室以后会多提供一些这样的机会来锻炼学生。
“我们这个课题组目前主要是在做计算机视觉和模式识别这个方向的研究，这也是近几年比较热的领域。能够应用于高分遥感，解决实际问题，就是我们研究成果的实际运用和价值体现。
我们要求同学们不仅要能写论文推公式，还要有把知识转化成可以实际运用的产品的能力。我们实验室一直传承着一个理念，那就是技术要从实际中来，也要到实际中去。”
据记者了解，团队中除了两位指导老师外，四名参赛学生都是“90后”，组长周彦钊才24岁在读研二，最年轻的成员邓维建才仅23岁。这一个夏天的比赛经历带给他们的不仅是荣誉和知识，更重要的是对于理论和实操的体悟。采访中，团队中最小的邓维建坦言，亲自在实践中感受科研里存在的问题，是他对这次比赛感受最深的地方。
“整个比赛全程我都有参与，我现在才硕士一年级，所以主要负责一些比较基础的东西，另外我现在要寻找一个研究方向，刚好借助参加这个比赛，从这里面发现了很多值得思考的问题。
首先，是不是训练数据越多越好，如何从海量数据中筛选有价值的样本?其次，遥感数据千变万化，怎么把现有的模型迁移到新的测试场景?第三，遥感图像图幅很大，比赛用的是两千乘两千，但是实际用的可能就是两万乘两万，那么就要求你的算法又好又快。那么怎么样使模型能够非常高效的去运行?这是我从中找到的三个问题。
通过这个比赛我自己可以亲自去感受到科研过程中有哪些问题，而不是自己在那里瞎想，这点是我感受最深的。”
据了解，今年实验室有四篇论文被国际顶 级会议CVPR和ICCV录用，其中就包含组长周彦钊的关于深度学习旋转特征编码的研究成果，这一项创新技术也被成功运用在本次高分软件大赛之中，成为了团队的“制胜法宝”。
“遥感场景中的目标可能会以各种角度出现，而实验显示现有的技术不能很好地处理这个问题，为此我开展了针对旋转问题的基础性研究工作，最终得到的成果可以极大地提升模型对旋转目标的解译能力，并且显著减少训练需要的参数和数据量。
焦老师经常跟我们强调，做学术工作一定要做有用的研究。我很高兴自己的成果不仅得到了学术界认可，也作为团队的核心技术在比赛中得到了实战演练。下个学期我将从研二转入博士一年级，这次宝贵的大赛经历将激励我做更多能落地、有价值的创新工作”。
除了有扎实的研究基础做支撑，他们能够在大赛中取得好成绩跟这一个夏天的辛苦付出是分不开的。结束了一学期繁忙的科研工作，本应和很多同学一样在暑假好好放松的他们，却开启了更疯狂的加班模式。团队中唯一的女生朱艺告诉记者，在临近截止日期的那段时间，他们几乎天天加班到深夜。实验室在国科大雁栖湖校区，夜里两三点钟回宿舍时，经常有成群结队的流浪狗对着她狂吠，吓得她几乎不敢回宿舍。
“当时大赛主办方要求软件要在Windows系统上运行，而我们之前的代码都在Linux系统，所以当时天天加班做环境迁移。我这次也认识到要将学术成果成功落地到实际应用中确实有很长的路要走，我发表在ICCV 2017的研究成果也因为平台迁移时间有限没有能够在这次比赛中一展身手，未来我会花更多时间在自己工作的应用部署上。”
参赛团队中的万方，回家的高铁票订了退又退了订，来来回回不下三次，最后直到结果提交之后才回家休息了几天。他跟记者说，他目前正在研究的是弱监督的目标检测，虽然这一次没有过多的应用在比赛作品中，但他看准了这项技术将大大减少人工标注的工作量，是深度学习领域发展的趋势。
“这个竞赛我参加的时间比较晚，之前都是几个师弟师妹在做，后来我主要参与了将核心算法和框架向Windows系统迁移的这部分工作。
弱监督学习相对于传统的监督学习而言，不需要详尽繁杂的真值标注，因此在遥感解译这类需要处理海量数据的大规模任务上就有非常显著的应用价值。”
最后，对于这支“90后”团队参加本届高分软件大赛并取得的优异成绩，焦建彬教授表示，同学们放弃了假期而选择了科研，让他非常欣慰。整个比赛经历下来，一是锻炼了同学们的工程能力、二是锻炼了团队合作的精神、三是打破了闭门造车的障碍，直面实际应用中的新问题、新挑战。
虽然实验室日常的工作非常繁忙，参加这类比赛也肯定会对科研进度造成一些影响，但今后如果有好的机会，他们还会继续参加，在实际应用中发现问题，做更多真正有用的研究。
（免责声明：此文内容为本网站刊发或转载企业宣传资讯，仅代表作者个人观点，与本网无关。仅供读者参考，并请自行核实相关内容。）
