近日，計算機視覺A類頂級會議CVPR 2020開幕在即， 由全球最大機器學習平臺Kaggle承辦的FGVC（Fine-Grained Visual Categorization，細粒度圖像分類）全球挑戰賽結果揭曉，支付寶天筭安全實驗室奪冠，超越全球1316支頂尖計算機視覺團隊。

Kaggle 2020-FGVC挑戰賽官方排名

作為人工智能核心能力，計算機視覺對細粒度圖像分類技術要求越來越高。只有讓機器「看得」更細更準，機器的判斷才能有所突破。細粒度圖像分類針對的是更微觀的物體類別，比如，不僅要識別出它是一只鳥，還要判斷具體屬于哪一類鳥，識別出車要判斷它的款式等。

細粒度圖像分類是計算機視覺領域極具挑戰的方向。今年，圍繞該方向Kaggle共發起六項任務，支付寶參加其中的患病植物圖像分類。比賽考察AI視覺識別技術對蘋果樹葉子圖片進行不同種類的疾病區分能力，在訓練集1821張圖像和測試集1821張圖像中，完成高精確度的判別。

模型不僅可以準確的分類，還能通過熱力圖的方式較為準確地定位到患病區域

世界上有約37萬種植物，不同植物的病因完全不同，但多數植物的病態外觀和特征卻非常相似。另一方面，采集拍攝中存在姿態、視角、光照、遮擋、背景干擾等影響因素，使分類更加具有難度。

支付寶天筭安全實驗室使用的原創模型，是基于數據增強、知識蒸餾方法，實現在大量信息干擾下進行物體具像化特征識別，使細粒度識別精度大幅提升。支付寶是比賽中唯一使用知識蒸餾這種深度學習方法的團隊，在最終測試中，支付寶分數達0.98445，排名第一。

例如，生了病的兩片樹葉，同樣出現了破損孔洞，在傳統模型訓練下，AI最多可以識別出它們都是蘋果樹的樹葉，很難確定兩個孔洞之間的區別，進而給出推斷樹葉究竟得的是哪兩種疾病。而支付寶的AI模型通過明確識別關鍵是孔洞大小、數量、位置，以及周邊是否有斑點，最終快速給出樹葉由于化學藥品濫用造成損傷的判斷。

缺乏標準信息數據導致難以判別的核心痛點，在醫療、金融、客服等領域大量存在，意味著這項技術擁有廣闊的應用空間。在支付寶交易糾紛、資金盜用、醫療保險報銷等場景中，AI團隊已經開始使用該技術方法，快速識別并進行更準確的風險預測，保障用戶需求在安全環境中被滿足。

人工智能是螞蟻集團核心技術引擎之一，研究領域涵蓋NLP、計算機視覺、智能風控、智能營銷等，并在大規模分布式機器學習、深度圖學習、多方安全與隱私計算、博弈與對抗智能、多智能體、強化學習等方向取得突破。螞蟻集團首席科學家漆遠帶領的全球化AI團隊，相繼在國際人工智能頂級會議NeurIPS、ICML 、AAAI等，發表近60篇高質量論文成果，申報了超200個專利。

總結

以上是生活随笔為你收集整理的支付宝AI大幅提升细粒度图像分类识别精度：一眼看穿万物细微差异的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。