杭州2018年9月14日电-- 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 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。
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 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:
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、智能交通等产品和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:本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿,凡在本网站出现的信息,均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏,概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时,应及时向本网站提出书面权利通知或不实情况说明,并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后,将会依法尽快联系相关文章源头核实,沟通删除相关内容或断开相关链接。