“敲锣救母”女子像溺水有人扔救生圈想面谢好心人

武汉“敲锣救母”女子希望面谢好心人

李丽娜接受新京报记者采访。新京报记者 侯雪琪 徐天鹤 摄

今年2月1日,李丽娜带母亲赵巧英就医,其母被列为疑似病例,李丽娜陪母亲在家隔离治疗期间,母亲病情加重但无法入院。多番求助无果后,2月8日,李丽娜无奈在阳台“敲锣”求助,该视频被曝光的次日,其母住进汉阳医院。几日后,李丽娜被确诊感染,住进方舱医院。3月,母女二人均治愈出院,继续隔离观察。4月10日,李丽娜解除隔离,她从母亲家开车回家,与两个多月未见的丈夫和女儿团聚。回家途中她特地买了礼物,去感谢曾经帮助她送菜的超市。她希望在疫情结束的那一天,能和帮助过她的那些人见一面,说一声感谢。

赵巧英:每天高烧、喘气、不能说话。后来有些严重,不能吃饭,下不了床,我女儿给我买了轮椅。不能说话时,就用我外孙女玩的一个铃铛交流。我把铃铛摇一下,要是肚子饿了,就指肚子,喝水吃饭就指嘴巴,上厕所就用手往外面指。

一“锣”救两命 用烂都不会丢

李丽娜:大概就三五分钟吧,因为中途母亲还有一些状况需要我去处理,也没有哭很久,并没有像网上说的,我天天在这里哭,也没有每天敲。

新京报:那时你的身体状况如何?

新京报:当时敲了多久?

李丽娜:2月14日,我也确诊了,住进了国博方舱医院。

“有妈在,我还是个孩子”

新京报:敲锣带来了什么变化?

新京报:疫情结束之后想做点什么?

李丽娜:第二天我手机就被打爆了,海内外的记者、志愿者、老中医,还有一些爱心人士,不停打,我的手机都被打到要关机了,那天晚上母亲被送往汉阳医院治疗。这种感觉就像有人给我扔了一个救生圈,终于不用垂死挣扎了。

研究⼈员指出,通常收集训练视频分类算法所需的数据既昂贵⼜费时,因为视频通常包含⼀个或多个主题的多个镜头,因此分类时必须完整观看它们,然后⼿动将其剪切成⽚段,再仔细添加标注。

新京报:有没有尝试过别的求救方式?

关于网站资源,研究人员从 Google 图像搜索中收集了 200 万张图像,从 Instagram 收集了 150 万图像和 500,000 个视频,以及从 YouTube 收集了 17,000 多个视频。结合⽬标数据集,所有这些都被输⼊到一些视频分类模型中。

新京报:你自己什么时候入院治疗的?

在给定识别任务后,OmniSource 会获取所有分类中每个类名的关键字,并从上述来源中抓取 Web 数据,并⾃动删除重复数据。而对于静态图像,要预先准备这些图像,用于联合训练期间使⽤,它会通过利⽤移动摄像机使它们⽣成「伪」视频。

李丽娜:她知道,也非常伤心,我听到她在家中哭。

疫情期间,武汉女子李丽娜在阳台“敲锣”救母事件引发关注。

3月,“敲锣”母女二人均治愈出院,继续隔离观察。赵巧英说,女儿当时敲的是家里的洗菜盆,救了自己和女儿两条命。这盆现在还在用,就算用烂了、用破了都不会丢。

新京报:为何无法住院?

“就像有人给我扔了一个救生圈”

新京报:“敲锣”前是怎样的状态?

在联合训练阶段,⼀旦将数据过滤并转换为与⽬标数据集相同的格式,OmniSource 就会权衡 Web 和⽬标语料库,然后采⽤跨数据集混合方法,将其中包含的示例对及其标签⽤于训练。

李丽娜:当时我也被感染了,已经发烧一整晚,但如果我倒下了,谁去救她?谁来救我们?不能再有家人来了,来一个传染一个。

李丽娜:她当时呼吸急促,咳嗽、高烧,人已经不能走路了。病情就像水淹一样,你(眼睁睁)看着她在那里慢慢地不行,想想看,如果看着自己的亲人慢慢被水淹死,是多么的难受。

李丽娜:我希望能够去亲自感谢那些帮助过我的人。一路走来,有太多人在帮助我。我希望在疫情结束的那一天,一起能见个面,亲自对他们说一声感谢。

新京报:母亲当时情况怎么样?

李丽娜:我觉得不能用短短两分钟的敲锣视频,就给我贴上标签,比如特别惨、特别孝顺之类。我们前期确实很辛苦,但后来遇到很多帮助我们的人,我妈妈现在的痊愈,绝对不是我一个人的功劳。

可扩展的视频识别技术

新京报:母亲知道你在外面这样求救吗?

新京报:后来为什么选择了敲锣?

李丽娜:打电话、找熟人,在微博上求助,然后发各种求助的链接,但没有特别有用。

雷锋网原创文章,。详情见转载须知。

“需要有人注意到我发出的声音”

新京报:这次事件给你最大的感受是什么?

溺水挣扎时有人扔来了救生圈

而在测试中,团队使⽤了三个⽬标数据集:

据报告显示,在没有进行训练时,只有 350 万张图像和 80 万分钟的视频可以从互联⽹上爬取而得,结果不及先前工作的 2%。而在 Kinetics-400 数据集上,经过训练的模型则显示出⾄少 3.0%的准确性提,精度⾼达 83.6%。同时,该框架下从零开始训练的最佳模型在 Kinetics-400 数据集上,达到了 80.4%的准确度。

雷锋网 AI 源创评论   雷锋网(公众号:雷锋网)

回忆起两个多月前的“敲锣”举动,李丽娜对新京报记者形容说,就像看到至亲“溺水”束手无策时,为了救命想出的办法。所幸在敲锣后,母亲和自己陆续入院救治,“就像有人扔了个救生圈,终于不用垂死挣扎了”。

新京报:这次对母亲的认识有什么变化?

OmniSource 论⽂的作者表示,与最先进的技术相⽐,该框架可以通过更简单(也更轻巧)的主⼲设计以及更⼩的输⼊量来实现可持平甚至更好的性能。OmniSource 利⽤了特定于任务的数据集,并且数据效率更⾼,与以前的⽅法相⽐,它⼤⼤减少了所需的数据量。此外,框架可推⼴到各种视频任务中,例如:视频识别和细粒度分类等。

4月11日,赵巧英站在女儿曾“敲锣”的地方。新京报记者 吴琪 摄

李丽娜:我第一次意识到,有妈在,我还是个孩子。我成长于单亲家庭,从小与母亲相依为命。母亲是一个很勤劳的女人,虽然她读书不多,脾气也不算好,但她对我付出了很多,倾尽所有供我读书、结婚、生宝宝,她一直在支持我。

新京报:我们注意到,敲锣时你在大哭。

李丽娜:她入院之后知道了,非常激动,不愿配合治疗。她觉得是她害了我。后来经过医院治疗,她已于3月中旬出院,目前状况良好。

在联合训练这个阶段,据研究⼈员报告称,当用 OmniSource 从头训练视频识别模型时,尽管微调效果不佳,但交叉数据混合所取得的效果很好。

李丽娜:当时她的核酸结果是单阳,医生说这种情况代表介于是和不是之间,不能确诊,不能确诊就不能及时入院。

未来,OmniSource 或许还可以应⽤于私⼈和公共场所的安全摄像机中。或者,它可以为诸如 Facebook 之类的社交网站,提供视频审核算法所需的设计信息与技术。

李丽娜:首先需要有人注意到我,注意到我发出的信号。其实我敲的并不是什么锣,我敲的就是一个盆和一个勺。我只是希望自己发出的声音能被听得到。后来有很多人说家里要备一套锣鼓,其实只要你想发出声,所有的东西都是可以发出声音的。

而 OmniSource 是以集成的⽅式利用各种来源(搜索引擎,社交媒体)的各种形式 Web 数据,例如:图像、剪辑视频和未剪辑视频。然后,AI 系统过滤掉低质量的数据样本,并对那些通过其集合的数据样本(平均为 70% 至 80%)进行标记,对每个样本进行转换以使其适⽤于⽬标任务,同时提高分类模型训练的鲁棒性。

李丽娜:其实哭是一种倾诉,一种释放的渠道。我那天哭了之后,感觉一下子人轻松很多,觉得整个人心态又调整好了。其实当你真正求生的时候,面子已经不重要,生命其实才是最重要的。

Web 数据集分布。(a)-(c) 显示了三个 Web 数据集在过滤前后,各个类别数据分布中被可视化。(d)给出了 GG-K400 过滤出的图像(青色框)和剩余图像(蓝色框)的样本。虽然成功过滤出了很多不合适的数据,但这使得各类别的数据分布更加不均

Kinematics-400,其中包含 400 个分类,每个分类包含 400 个 10 分钟的视频; YouTube-car,其中包含数千个视频,展示了 196 种不同类型的汽⻋; UCF101,包含 100 个剪辑片段和 101 个类别的视频识别数据集;

更少的数据,更高的精度

新京报:母亲知道你被感染的事吗?

李丽娜在阳台“敲锣”救母。视频截图