杭州2018年9月14日電-- 繼大華股份AI斬獲人體檢測國際競賽第一名之后，近日，大華股份基于深度學(xué)習(xí)技術(shù)研發(fā)的目標分割技術(shù)，又刷新了KITTI Road/Lane Detection (UM_ROAD)競賽的全球最好成績，取得了道路場景下目標分割排行榜第一名，超越其它一流的AI公司和頂尖的學(xué)術(shù)研究機構(gòu)，以及ICCV最佳目標分割研究成果，這標志著大華股份在目標分割的智能算法領(lǐng)域處于世界領(lǐng)先水平。
大華股份在AI的核心技術(shù)領(lǐng)域持續(xù)耕耘，不斷提升智能算法、算力的核心競爭力。經(jīng)過長期的技術(shù)積累，大華股份在2017年文字檢測和識別、場景流識別等領(lǐng)域分別取得第一;2018年在2D車輛目標檢測、MOT跟蹤、Pedestrian等國際競賽中分別取得第一，本次在目標分割算法領(lǐng)域又取得了新突破。
關(guān)于KITTI
KITTI數(shù)據(jù)集由德國卡爾斯魯厄理工學(xué)院和豐田美國技術(shù)研究院聯(lián)合創(chuàng)辦，是目前國際上最大的計算機視覺算法評測數(shù)據(jù)集之一。數(shù)據(jù)集用于評測立體圖像(stereo)，光流(optical flow)，視覺測距(visual odometry)，物體檢測(object detection)和跟蹤(tracking)，道路分割(road)，語義分割(semantics)等計算機視覺技術(shù)的性能。KITTI包含市區(qū)、鄉(xiāng)村和高速公路等場景采集的真實圖像數(shù)據(jù)，每張圖像中最多包含15輛車和30個行人，且存在不同程度的遮擋與截斷。
可行駛區(qū)域道路分割任務(wù)(Road/Lane Detection)
該比賽任務(wù)為KITTI可行駛區(qū)域的道路分割任務(wù)，需要把各種場景下的可行駛區(qū)域分割出來，同時場景中存在各種遮擋和陰影，并且要求精確度達到像素級別。該訓(xùn)練集有289張數(shù)據(jù)，采用小樣本學(xué)習(xí)方案。
本次國際比賽在大華股份自主研發(fā)的深度學(xué)習(xí)平臺上，采用遷移學(xué)習(xí)的方法，借鑒Deeplabv3+、U-net、Hed等經(jīng)典框架的優(yōu)點，重點對U-Net、Hed邊緣檢測算法進行了改進，并應(yīng)用多尺度測試和多模型融合技術(shù)，提高了檢出率和召回率。
該項國際競賽數(shù)據(jù)集的道路分割效果結(jié)果：
國際競賽數(shù)據(jù)集的道路分割效果結(jié)果
在大華實際產(chǎn)品和未來產(chǎn)品中的應(yīng)用
本次競賽中使用的技術(shù)已經(jīng)在大華的新零售、智能交通等產(chǎn)品和解決方案上得到廣泛應(yīng)用，可以實現(xiàn)基于檢測目標的像素級圖像分割，大幅提升目標的檢測性能，尤其是在遮擋場景下智能算法的檢測能力。
新零售場景
采用目標分割技術(shù)，可以實現(xiàn)商品像素級的區(qū)域檢測，高效捕獲不同角度擺放或存在重疊遮擋的商品，從而提升貨架上不同種類的商品識別率。
智能交通場景
采用目標分割技術(shù)，在道路上可以精準獲取車輛的邊界，提升視頻結(jié)構(gòu)化解析服務(wù)器、車輛大數(shù)據(jù)等產(chǎn)品的核心競爭力。
- 蜜度索驥：以跨模態(tài)檢索技術(shù)助力“企宣”向上生長
- 新能源車技術(shù)升級搶先看，ChatGPT崩了引熱議：未來科技如何破局？
- 自動駕駛行業(yè)大洗牌即將結(jié)束，小馬智行引領(lǐng)千臺車隊新篇章
- 微軟反壟斷風(fēng)暴：Office捆綁銷售引質(zhì)疑，云服務(wù)策略遭調(diào)查，巨頭陷困境
- 顯卡漲價風(fēng)暴來襲！NVIDIA/AMD緊急應(yīng)對，全力加速生產(chǎn)運回本土
- 微軟新目標：用1000億美元打造實用通用AI，未來可期但需謹慎
- 亞馬遜云科技陳曉建預(yù)測：未來三年內(nèi)，生成式AI將引發(fā)云市場新革命
- 林肯中國辟謠：財務(wù)調(diào)整非合并，業(yè)務(wù)不變穩(wěn)如泰山
- 字節(jié)跳動研發(fā)大手筆：2024年投入接近BAT之和，能否引領(lǐng)中國OpenAI新潮流？
- 跨境匯款平臺新舉措：螞蟻集團開發(fā)者服務(wù)限每日10萬美元，助力全球交易更便捷
- 我國充電樁建設(shè)提速，50%增長背后的高速服務(wù)區(qū)充電新篇章
免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責(zé)任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。
