杭州2018年9月14日電 /美通社/ -- 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習技術研發的目標分割技術，又刷新了KITTI Road/Lane Detection (UM_ROAD)競賽的全球較好成績，取得了道路場景下目標分割排行榜第一名，超越其它一流(liu)的(de)AI公司和頂尖(jian)的(de)學術(shu)研究(jiu)機構，以(yi)及(ji)ICCV較佳目標分(fen)(fen)割(ge)研究(jiu)成果，這標志著大華股份在目標分(fen)(fen)割(ge)的(de)智(zhi)能算法領域處(chu)于世界(jie)領先水平。
大(da)(da)華(hua)(hua)股(gu)份在(zai)AI的核心技術(shu)領域持續(xu)耕耘，不斷提(ti)升(sheng)智能算(suan)法、算(suan)力的核心競爭(zheng)力。經過(guo)長期的技術(shu)積累，大(da)(da)華(hua)(hua)股(gu)份在(zai)2017年(nian)(nian)文(wen)字檢測和識(shi)別(bie)(bie)(bie)、場(chang)景流識(shi)別(bie)(bie)(bie)等領域分(fen)別(bie)(bie)(bie)取得(de)第(di)一(yi)；2018年(nian)(nian)在(zai)2D車輛目標檢測、MOT跟(gen)蹤(zong)、Pedestrian等國際(ji)競賽中分(fen)別(bie)(bie)(bie)取得(de)第(di)一(yi)，本次在(zai)目標分(fen)割算(suan)法領域又取得(de)了新突破。
關于KITTI
KITTI數(shu)(shu)據(ju)集(ji)由德國(guo)卡爾(er)斯魯厄理工學院(yuan)和豐田美國(guo)技術研究院(yuan)聯合創辦(ban)，是目前(qian)國(guo)際(ji)上較大(da)的(de)計算機視(shi)覺(jue)(jue)算法(fa)評測數(shu)(shu)據(ju)集(ji)之一。數(shu)(shu)據(ju)集(ji)用于評測立體(ti)圖(tu)像(xiang)(stereo)，光(guang)流(optical flow)，視(shi)覺(jue)(jue)測距(visual odometry)，物體(ti)檢測(object detection)和跟蹤(tracking)，道路分割(road)，語(yu)義分割(semantics)等(deng)計算機視(shi)覺(jue)(jue)技術的(de)性能。KITTI包(bao)含市區、鄉村和高(gao)速公(gong)路等(deng)場景(jing)采集(ji)的(de)真實圖(tu)像(xiang)數(shu)(shu)據(ju)，每張圖(tu)像(xiang)中最多包(bao)含15輛(liang)車和30個行人，且(qie)存(cun)在(zai)不同程度的(de)遮擋與截(jie)斷。
可行駛區域道路分割任務（Road/Lane Detection）
該比賽任(ren)務為KITTI可行(xing)駛(shi)(shi)區(qu)域的道路分(fen)割(ge)任(ren)務，需(xu)要把各種場(chang)(chang)景下的可行(xing)駛(shi)(shi)區(qu)域分(fen)割(ge)出來(lai)，同時(shi)場(chang)(chang)景中存在各種遮(zhe)擋和(he)陰影，并且(qie)要求精確度達到像(xiang)素級別。該訓練集有(you)289張數據，采用(yong)小(xiao)樣本學習方案。
本(ben)次國際比賽(sai)在大華股份自主研發的深度學習平臺上，采用遷移學習的方法，借鑒Deeplabv3+、U-net、Hed等(deng)經典框(kuang)架的優點，重點對U-Net、Hed邊緣(yuan)檢測算法進行了改(gai)進，并應用多(duo)尺度測試和(he)多(duo)模(mo)型融合技術(shu)，提(ti)高了檢出率(lv)和(he)召回率(lv)。
該(gai)項國(guo)際競賽數據集(ji)的道路(lu)分割效果(guo)結果(guo)：
在大華實際產品和未來產品中的應用
本(ben)次競(jing)賽中使用的(de)技術已經在大(da)華的(de)新零售、智能(neng)(neng)交通等產品和解(jie)決方案上得到廣泛(fan)應用，可以實(shi)現(xian)基于檢測(ce)目標的(de)像素級圖像分割，大(da)幅提升(sheng)目標的(de)檢測(ce)性(xing)能(neng)(neng)，尤其是在遮擋場景下智能(neng)(neng)算法的(de)檢測(ce)能(neng)(neng)力。
新零售場景
采用(yong)目標分割技術，可以實現(xian)商(shang)(shang)品像(xiang)素(su)級(ji)的(de)區域檢測，高效捕獲(huo)不同角度擺(bai)放或存在重疊遮(zhe)擋的(de)商(shang)(shang)品，從而提升貨架上不同種類(lei)的(de)商(shang)(shang)品識別率。
智能交通場景
采用目標分割技術，在道路上(shang)可以精(jing)準獲取車(che)輛(liang)的邊界(jie)，提升視頻結構化解析服(fu)務器、車(che)輛(liang)大數據等產品的核心競爭力。
