近日，第三届中国AI+创新创业大赛:半监督学习目标定位大赛B榜正式收官，参赛队伍中不乏高校和科研院所。网络安全事业部零捆绑数据工坊和数据工厂算法团队新兵首战告捷，默契配合，最终在83支实力团队中脱颖而出，获得第17名。虽然这个比赛是针对新兵的，但是算法团队的“老”员工也积极出谋划策，为新兵提供技术方向和指导，共同完成这个比赛。
本次大赛由中国人工智能学会主办，是带动企业开展技术创新，展示智能科技建设新经验、新成果，促进专业建设的综合性大赛。
理清算法调试的思路
大赛为年轻选手提供了一个展示技术、交流技能的平台，可以大大提升团队建设能力，同时为智能驾驶要解决的数据分发问题进行早期的模型训练和积累。
工厂的数据算法团队专注于提供基础平台数据处理、标注、培训平台服务，致力于打造端到端的数字化产品体验闭环。算法团队接到竞赛任务后，第一时间组织讨论，制定竞赛流程，分析竞赛任务，梳理标准化算法调试思路，为后续参赛选手提供参考。
新老员工交流比赛内容采用合适的算法模型
本次比赛要求选手基于少量有标记数据训练模型和大量无标记数据实现半监督目标定位任务。随着AI应用门槛的降低，AI和AIoT时代的逐渐深入，越来越多的AI应用和AI任务对标签化数据提出了更多需求。为了解决标记数据相对匮乏的现状，半监督学习逐渐成为深度学习领域的研究热点。这是一种标注数据较少，但未标注数据很多，标注成本较高时可以考虑的方法。它通常基于数据分布的连续性、聚类性或流形假设产生一系列算法，如基于一致性正则化思想的算法、基于近似标号的算法、基于生成模型的算法、基于图的算法等。
由于时间和计算能力的限制，这次采用了近似标注中的随机标注算法。利用伪标注技术对未标注图片进行标注，然后利用标注数据和伪标注数据对模型进行训练。混合损失函数如下:
本次比赛尝试的半监督学习算法等技能也将应用于智能驾驶数据辅助标注、模型训练等任务中。
进来出去
数据工场和网络安全团队专注于为智能汽车IOT生态建设提供全栈数据工场解决方案、OTA、TSP、云管理集成的全栈网络安全产品、全流程网络安全管理开发体系、软件服务基础平台，实现智能汽车工具链的自研，让全链“引进来”和“走出去”数据，助力打造零捆绑银河全栈四大技术基地。
