3月31日，IEEEGARSS数据融合竞赛组委会官方邮件发来喜报，西安电子科技大学人工智能学院获得遥感领域顶级会议——国际地球科学和遥感专题讨论会（IGARSS）官方赛事唯一的冠军奖项。学校本次组织了9支参赛队伍，“路小强、曹国金”队伍获得冠军，并将于7月应邀在马来西亚吉隆坡会议中心召开的年IEEE国际地球科学与遥感大会（简称IGARSS）上进行成果汇报。本次竞赛由国家自然科学基金、中国人工智能学会-华为MindSpore学术奖励基金资助。
IEEE国际地球科学和遥感专题讨论会（IGARSS）每年召开一次，从年召开第一届，到现在已经成为全球该领域最具影响力的学术会议。近年来，IEEEGARSS数据融合竞赛成为其每年的官方唯一赛事。竞赛获胜者将在当年会议中与来自全球的遥感领域的专家或团队进行交流并且汇报竞赛方案。
冠军队伍竞赛方案分享
冠军队伍IPIU-XDU（路小强、曹国金）
针对本次IEEEGARSS数据融合竞赛提出的多模态半监督语义分割数据集MF-DFC22，冠军队伍提出了基于主动学习的自适应像素重均衡自训练算法(AdaptivePixel-RebalancingSelf-Training，APRST)。APRST分别采用SegFormer-B0、SeMask-FPN-Swin-B作为基础分割器，其训练过程分为两个阶段：第一阶段，利用少量的标记数据进行全监督训练，待模型收敛后分别初始化为教师模型以及学生模型；第二阶段，利用教师模型对未标记数据进行预测。
根据预测的置信度图，冠军队伍基于提出的伪召回率指标自适应地为每个类别分配阈值，低于阈值的像素点被忽略。这极大地缓解了伪标签中存在的严重类别不均衡问题。最后将经过强数据增强的未标记图像与其相应的伪标签联合标记数据对学生模型进行重训练。此阶段学生模型通过最小化教师与学生预测结果之间的均方误差实现一致性正则化，从而提升了模型的分割性能与泛化能力。基于APRST，冠军队伍进一步提出了具有交叉伪监督的APRST+。APRST+基于提出的协同矫正方案提升了伪标签的质量以及多样性，这有效地缓解了学生模型中存在的确认偏差问题，并取得了最佳性能。对于MF-DFC22中额外提供的高程数据(DEM)，冠军队伍在模型输出端简单地利用DEM数据对预测结果进行阈值滤波就取得了很好的效果，优于多模态数据融合中常见的数据级通道堆叠方法以及特征级特征图融合方法。最后采用多尺度以及水平翻转预测来进行测试增强，并基于提出的像素级优先覆盖策略进行结果融合，取得了排行榜第一的成绩，最终精度为：0.。
竞赛与数据集介绍
IEEEGARSS数据融合竞赛的半监督学习挑战赛由IEEE地球科学与遥感学会的图像分析和数据融合技术委员会(IADFTC)，Bretagne-Sud大学，ONERA和ESAΦ-lab实验室组织，旨在促进土地覆被自动分类的创新，仅从由VHRRGB图像组成的部分标注训练数据。
训练集的示例：RGB、DEM、城市地图集
竞赛使用的数据集为MiniFrance-DFC22(MF-DFC22)，它是对MiniFrance数据集进行了扩展与修改并用于半监督语义分割的数据集。其中多模态MF-DFC22数据中包含了法国地区19个大城市及其周围环境相对应的航空影像、高程模型和土地利用/土地覆被地图。它包括城市和乡村场景：住宅区，工业和商业区，还包括田野，森林，海岸和低山。
据统计，参赛的九支队伍均进入排行榜前三十。其中，三支队伍跻身排行榜前十，六支队伍进入前二十。参赛队伍主要由级硕士研究生组成。团队坚持“以赛促学，以赛促教”理念对低年级硕士生进行培养，使得学生能够在竞赛中更快更好地学习到最新的专业知识，并且提高科研与专业实践能力。
排行榜前20（标记部分为学院参赛队伍）
竞赛感悟
路小强
无论是科研还是生活，不到最后千万不要放弃，即使你再不相信自己，即使你遇到再多的困难，也一定要坚持到底。至少，不让自己留有遗憾。
高子涵
竞赛中可以学到的重要的一点就是要在每一个阶段制定合理的目标，把控比赛的进度，激发自己的动力。每次对提交结果进行分析后都计划出切实可行的方案，定期的头脑碰撞很重要。
孟畅
参加竞赛的收获远比你想象的多。每次比赛都会面临一个全新的问题，从整理资料到上手调试并实现，每一步都对你是一个挑战。但在完成了这些工作后，一定会对你各方面的能力都有所锻炼提升。
程谊
足够的知识积累和较强的上手能力是很关键的因素。在竞赛中可以让我们很快地积累专业知识，并且锻炼动手能力。同时，小组内合适的分工和有效的交流也是至关重要的。
董倬君
参加竞赛的同学们，在比赛前期要把时间计划安排好，前中期尽量多做尝试，以免后期时间不够用。对于排名的心态要摆正，进而不骄，退而不馁，不到最后一刻不言弃！相信大家都会在各个领域的竞赛中大放异彩。
王佳豪
通过本次比赛，我们总结出的经验是一定要在比赛初期做更多的尝试，能想到的方案尽量通过实验来验证，防止后期时间不够而没有达到预期的成绩。
何文鑫
最好的解决方案往往隐藏在前沿的文献中，相比于平时的阅读文献，竞赛更要求了解文献中方法实现的细节。同时，竞赛过程中克服的困难的决心很重要，可以锻炼我们解决问题的能力。
团队介绍
西安电子科技大学人工智能学院焦李成教授团队在遥感领域有着近30年的研究积累。近年来，智能学子在该大赛中亦屡次取得佳绩，累计获得冠、亚、季军近十项，获得的冠军奖项数达到了该赛事中国获冠军奖项数总数的一半以上。
IEEEGARSS数据融合竞赛中，西电人工智能学院焦李成教授团队分别在三个赛道取得了丰硕成绩。其中王爽教授指导的“方帅、权豆”队伍获得高光谱分类赛道第一名；焦李成教授指导的“程林、李阁”队伍获得多光谱LiDAR数据分类赛道第三名。
IEEEGARSS数据融合竞赛中，焦李成教授、屈嵘教授指导的“连彦超、冯拓、周金柳”与“贾美霞、李艾瑾、吴兆阳”两支队伍分别获得了IEEEGARSS数据融合竞赛3D点云分类挑战赛冠亚军。
IEEEGARSS数据融合竞赛中，在焦李成教授、刘芳教授、屈嵘教授的指导下，研究生“尹淑婷、陈大帆、马成聪慧、连彦超”组成的队伍获得了IEEEGARSS低分辨率和高分辨率标签的土地覆盖分类赛道季军。
IEEEGARSS数据融合竞赛中，在焦李成教授、刘芳教授、屈嵘教授的指导下，“马彦彪、李钰鑫、冯可心”组成的队伍获得了数据融合竞赛无电居民区检测挑战赛赛道冠军。“冯若贤、王梦娇、张轩铭”组成的队伍获得了同赛道季军。由“鲍骞月、刘洋、张紫霄”组成的队伍获得了数据融合竞赛多时段语义变化检测挑战赛赛道季军。
来源：人工智能学院编辑：郭楠楠责任编辑：王格出品：西安电子科技大学融媒体中心
