支付宝AI大幅提升细粒度图像分类识别精度

 近日，计算机视觉A类顶级会议CVPR 2020开幕在即， 由全球最大机器学习平台Kaggle承办的FGVC（Fine-Grained Visual Categorization，细粒度图像分类）全球挑战赛结果揭晓，支付宝天筭安全实验室夺冠，超越全球1316支顶尖计算机视觉团队。

Kaggle 2020-FGVC挑战赛官方排名

作为人工智能核心能力，计算机视觉对细粒度图像分类技术要求越来越高。只有让机器「看得」更细更准，机器的判断才能有所突破。细粒度图像分类针对的是更微观的物体类别，比如，不仅要识别出它是一只鸟，还要判断具体属于哪一类鸟，识别出车要判断它的款式等。

细粒度图像分类是计算机视觉领域极具挑战的方向。今年，围绕该方向Kaggle共发起六项任务，支付宝参加其中的患病植物图像分类。比赛考察AI视觉识别技术对苹果树叶子图片进行不同种类的疾病区分能力，在训练集1821张图像和测试集1821张图像中，完成高精确度的判别。

模型不仅可以准确的分类，还能通过热力图的方式较为准确地定位到患病区域

世界上有约37万种植物，不同植物的病因完全不同，但多数植物的病态外观和特征却非常相似。另一方面，采集拍摄中存在姿态、视角、光照、遮挡、背景干扰等影响因素，使分类更加具有难度。

支付宝天筭安全实验室使用的原创模型，是基于数据增强、知识蒸馏方法，实现在大量信息干扰下进行物体具像化特征识别，使细粒度识别精度大幅提升。支付宝是比赛中唯一使用知识蒸馏这种深度学习方法的团队，在最终测试中，支付宝分数达0.98445，排名第一。

例如，生了病的两片树叶，同样出现了破损孔洞，在传统模型训练下，AI最多可以识别出它们都是苹果树的树叶，很难确定两个孔洞之间的区别，进而给出推断树叶究竟得的是哪两种疾病。而支付宝的AI模型通过明确识别关键是孔洞大小、数量、位置，以及周边是否有斑点，最终快速给出树叶由于化学药品滥用造成损伤的判断。

缺乏标准信息数据导致难以判别的核心痛点，在医疗、金融、客服等领域大量存在，意味着这项技术拥有广阔的应用空间。在支付宝交易纠纷、资金盗用、医疗保险报销等场景中，AI团队已经开始使用该技术方法，快速识别并进行更准确的风险预测，保障用户需求在安全环境中被满足。

人工智能是蚂蚁集团核心技术引擎之一，研究领域涵盖NLP、计算机视觉、智能风控、智能营销等，并在大规模分布式机器学习、深度图学习、多方安全与隐私计算、博弈与对抗智能、多智能体、强化学习等方向取得突破。蚂蚁集团首席科学家漆远带领的全球化AI团队，相继在国际人工智能顶级会议NeurIPS、ICML 、AAAI等，发表近60篇高质量论文成果，申报了超200个专利。