由李飞飞博士发起的 ImageNet 是计算机视觉领域最知名的挑战赛之一。在 CVPR 2017 期间，李飞飞博士和邓嘉博士谈论了 ImageNet 过去八年取得的成就，并且还宣布 Kaggle 将会取代 ImageNet，参阅机器之心报道《CVPR 2017 李飞飞总结 8 年 ImageNet 历史，宣布挑战赛最终归于 Kaggle》。

ImageNet 之后，用于大规模评估计算机视觉算法的值得关注的挑战赛是哪个？来自 WebVision（通过从网络数据学习的视觉理解挑战赛）获奖团队码隆科技的研究员黄伟林博士认为：「WebVision 是最有希望的一个。」

在这个 CVPR 研讨会上，j2直播，李飞飞代表这个比赛的赞助商 Google Research 向 码隆科技颁发了 WebVision Award。

WebVision 和 ImageNet 的主要区别可以分为两大部分：

1. 不平衡的类分布：WebVison 的类分布取决于查询，这意味着常见的物体更容易出现，而 ImageNet 的类分布一直是相似的。

2. 有噪声的数据：WebVision 的所有图像都来自谷歌和 Flickr 上的查询，而 ImageNet 的图像都是人工标注的。所以在 WebVision 数据集上训练时，不完整和错误的标签可能会构成阻碍。

为了解决上面两个问题，Malong 采用了一种并不新颖，但还很少使用的范式，称为课程学习 (Curriculum Learning)，这是 Bengio 最早在 ICML 2009 上提出的方法。Curriculum Learning 可以使用复杂度不断增长的样本来训练 CNN。码隆科技相信这种方法可以极大地提升模型的表现。因为有噪声的数据可以被过滤并且以一种特定顺序输入该网络（如下图所示），所以可以实现微调 (fine-tuning)。他们的架构包含一个在元数据上训练的基线模型，之后又在这个经过 Curriculum 设计的数据集上进行了训练

设计 curriculum 的方法是在每个类上实现 K-means 分类。这样做之后，带有错误标签的有噪声图像会被聚类，其它带有正确标签或中间标签的聚类保留下来，并根据相关性降序排列。只要 curriculum 设计良好，我们就可以看到每个聚类都带有不同的固有的复杂度，从而可用于进一步的训练过程。

然后根据 Curriculum Learning 范式训练该模型：首先输入清洁的数据，然后再输入有噪声的数据。

最后，比较结果之后，码隆科技的这个带有 Curriculum Learning 的架构在 WebVision 挑战赛获胜，取得两项任务的冠军。

除了挑战赛，大多数研讨会也有受邀演讲和小组讨论。

今年 CVPR 上最有前途的未来行业方向是自动驾驶。在研讨会的第一天，有一个关于计算机视觉在汽车技术与自动驾驶挑战赛的联合研讨会。上午半场是汽车技术领域的计算机视觉研讨会。受邀嘉宾谈论了他们的愿景并分享了他们在这一领域的经验。英伟达公司赞助了这个最佳论文奖，获奖论文为《一百层的提拉米苏：用于语义分割的全卷积 DenseNet（The One Hundred Layers Tiramisu: Fully Convolutional DenseNets for semantic segmentation）》，作者为：Simon Jegou, MILA；Michal Drodzal, Imagia；David Vazquez, Computer Vision Center；Adriana Romero, MILA；Yoshua Bengio, MILA；论文地址：https://arxiv.org/abs/1611.09326。下午半场是关于「自动驾驶挑战赛」，包含了 5 个受邀演讲和一个小组讨论。其中大部分演讲都不是纯学术驱动的，这也是下午研讨会的独特之处。