针对本次挑战赛对海量视频数据进行处理的特点，团队自主研发设计了流式数据处理系统（Elastic Streaming Sequential Data Processing System，ESSP）。ESSP系统充分考虑了视频分析处理中空间和时序特征的存取需求，可以灵活地进行服务部署、维护及扩展。在算法层面，团队研究了一种紧凑高效的视频帧特征表示方法，利用该方法可以减小模型规模、并极大地提升模型训练速度。团队最终取得了87.05%的准确率，以0.36%之差惜败于阿里iDST团队，位居亚军，比第三名参赛队高出近2个百分点。
LSVC竞赛
计算机视觉领域最知名的评测ImageNet挑战赛今年已是最后一期，这标志着静态图片的分类、物体检测等任务日趋成熟。但是在视频内容分析领域仍存在巨大挑战，也是当前学术界的研究热点。ACM Multimedia 作为多媒体领域的顶级学术会议，旗下大规模视频分类挑战赛（LSVC）意在考察大规模未分割视频的算法识别能力。
LSVC使用的数据集是在复旦-哥伦比亚视频数据集（FCVID）基础上扩充而来，它包含来自 YouTube 和 Flicker 的超过 8000 小时的视频，标注为 500 种分类。包括社交事件、动作、物体、场景等多种类型。最终测试集为 78,000 多个视频。
团队介绍
信息技术中心视觉数据智能分析实验室从成立至今，着力于视觉大数据智能分析技术的研究和应用，为计算机视觉智能应用提供技术支撑。经过几年的积累，团队已发表了十余篇知名国际学术刊物论文，获得国际知名学术会议最佳论文，并在人脸识别、字符检测、车辆检测、视频分类等具体问题的多项国际视觉数据评测竞赛名列前茅。实验室自建“图嶺人工智能深度学习平台”，拥有120块GPU，可调配超过400块GPU，结合各类已有多媒体数据，具有很强的深度学习模型定制能力。实验室与复旦大学、华东师范大学、公安部第三研究所、华盛顿大学、加州大学伯克利分校、马里兰大学等国内外科研机构广泛开展科技交流与合作，并与七牛云人工智能实验室在视频、检测等学术领域建立了产学研合作关系，优势互补，此次首次联合组队参加视频分析评测即取得不错的成果。
