DAV首页
数字音视工程网

微信公众号

数字音视工程网

手机DAV

null
null
null
卓华,
null
null
null
null
null
null
null

我的位置:

share

继人体检测之后 大华股份AI又斩获目标分割国际竞赛第一

来源:数字音视工程网        编辑:钟诗倩    2018-09-17 14:16:01     加入收藏

 继大华股份AI斩获人体检测国际竞赛第一名之后,近日,大华股份基于深度学习技术研发的目标分割技术,又刷新了KITTI Road/Lane Detection (UM_ROAD)竞赛的全球最好成绩,取得了道路场景下目标分割排行榜第一名。

  继大华股份AI斩获人体检测国际竞赛第一名之后,近日,大华股份基于深度学习技术研发的目标分割技术,又刷新了KITTI Road/Lane Detection (UM_ROAD)竞赛的全球最好成绩,取得了道路场景下目标分割排行榜第一名 ,超越其它一流的AI公司和顶尖的学术研究机构,以及ICCV最佳目标分割研究成果,这标志着大华股份在目标分割的智能算法领域处于世界领先水平。

  (网址:www.cvlibs.net/dataset/kitti/eval_road.php)

  大华股份在AI的核心技术领域持续耕耘,不断提升智能算法、算力的核心竞争力。经过长期的技术积累,大华股份在2017年文字检测和识别、场景流识别等领域分别取得第一;2018年在2D车辆目标检测、MOT跟踪、Pedestrian等国际竞赛中分别取得第一,本次在目标分割算法领域又取得了新突破。

  关于KITTI

  KITTI数据集由德国卡尔斯鲁厄理工学院和丰田美国技术研究院联合创办,是目前国际上最大的计算机视觉算法评测数据集之一。数据集用于评测立体图像(stereo),光流(optical flow),视觉测距(visual odometry),物体检测(object detection)和跟踪(tracking),道路分割(road),语义分割(semantics)等计算机视觉技术的性能。KITTI包含市区、乡村和高速公路等场景采集的真实图像数据,每张图像中最多包含15辆车和30个行人,且存在不同程度的遮挡与截断。

  可行驶区域道路分割任务(Road/Lane Detection)

  该比赛任务为Kitti可行驶区域的道路分割任务,需要把各种场景下的可行驶区域分割出来,同时场景中存在各种遮挡和阴影,并且要求精确度达到像素级别;该训练集有289张数据,采用小样本学习方案。

  本次国际比赛在大华股份自主研发的深度学习平台上,采用迁移学习的方法,借鉴Deeplabv3+、U-net、Hed等经典框架的优点,重点对U-Net、Hed边缘检测算法进行了改进,并应用多尺度测试和多模型融合技术,提高了检出率和召回率。

  该项国际竞赛数据集的道路分割效果结果:

  在大华实际产品和未来产品中的应用

  本次竞赛中使用的技术已经在大华的新零售、智能交通等产品及解决方案上得到广泛应用,可以实现基于检测目标的像素级图像分割,大幅提升目标的检测性能,尤其是在遮挡场景下智能算法的检测能力。

新零售场景

  采用目标分割技术,可以实现商品像素级的区域检测,高效捕获不同角度摆放或存在重叠遮挡的商品,从而提升货架上不同种类的商品识别率。

  智能 交通场景

  采用目标分割技术,在道路上可以精准获取车辆的边界,提升视频结构化解析服务器、车辆大数据等产品的核心竞争力。

免责声明:本文来源于网络收集,本文仅代表作者个人观点,本站不作任何保证和承诺,若有任何疑问,请与本文作者联系或有侵权行为联系本站删除。
扫一扫关注数字音视工程网公众号

相关阅读related

赛普,

评论comment

 
验证码:
您还能输入500