TMT观察网_独特视角观察TMT行业

　　近日，澎思科技車輛再識別（Vehicle ReID）技術(shù)在非受限場景車輛再識別數(shù)據(jù)集VERI-Wild上的成績刷新世界紀(jì)錄，并打破了VCIP 2019車輛再識別大型挑戰(zhàn)賽的最好成績。澎思科技基于自主研發(fā)的全局和局部深度特征融合算法模型，實(shí)現(xiàn)了車輛再識別算法關(guān)鍵指標(biāo)平均精度均值（Mean Average Precision，mAP）和首位命中率（Rank-1 Accuracy）的大幅度提升，在VERI-Wild數(shù)據(jù)集上平均精度均值mAP達(dá)到85.35%。

　　車輛再識別在智慧城市和公共安全方面有著廣泛的應(yīng)用前景和至關(guān)重要的作用，一直是計(jì)算機(jī)視覺領(lǐng)域研究的焦點(diǎn)。澎思科技持續(xù)深化面向場景的AI技術(shù)研發(fā)與創(chuàng)新，在非受限場景下的車輛再識別取得突破，彰顯了公司在落地應(yīng)用場景化的計(jì)算機(jī)視覺技術(shù)實(shí)力。

　　車輛再識別面臨的挑戰(zhàn)以及VERI-Wild數(shù)據(jù)集的推出

　　車輛再識別，也稱為車輛檢索，旨在找到不同監(jiān)控場景下的同一輛車。近期隨著深度學(xué)習(xí)技術(shù)的發(fā)展，車輛再識別算法效率顯著提升。然而現(xiàn)有數(shù)據(jù)集的限制過度簡化了車輛再識別面臨的現(xiàn)實(shí)挑戰(zhàn)，使得基于大部分現(xiàn)有數(shù)據(jù)集開發(fā)和評估的ReID模型在真實(shí)場景中的泛化能力可能存在問題。真實(shí)監(jiān)控情景中的車輛再識別仍然面臨高度視角差異、極端照明條件、復(fù)雜背景和不同的攝像頭來源等挑戰(zhàn)。非受限場景車輛再識別數(shù)據(jù)集VERI-Wild的推出就致力于解決這些問題。

　　VERI-Wild與VehicleID、VeRI-776數(shù)據(jù)集的樣本比較

　　VERI-Wild是在2019年CVPR期間對外發(fā)布的車輛再識別數(shù)據(jù)集。該數(shù)據(jù)集由40，000個(gè)車輛標(biāo)識中的400，000張圖像以及諸如車輛品牌、顏色和車型等附加信息組成，這些信息可用于增強(qiáng)ReID框架的性能或作為獨(dú)立的采集任務(wù)。VERI-Wild數(shù)據(jù)集旨在應(yīng)對現(xiàn)有數(shù)據(jù)集在車輛標(biāo)識和圖像數(shù)量不夠大、攝像頭數(shù)量和覆蓋區(qū)域有限、攝像頭視角高度受限及光照度和天氣狀況沒有明顯變化等局限性問題，是目前最具挑戰(zhàn)的車輛再識別數(shù)據(jù)集。

　　澎思科技提出面向車輛再識別的全局和局部深度特征融合方法

　　在2019年IEEE視覺通信和圖像處理國際會議(VCIP)期間舉辦的Grand Challenges on Vehicle ReIdentification車輛再識別大型挑戰(zhàn)賽上，澎思科技提出面向車輛再識別的全局和局部深度特征融合方法。澎思科技首席科學(xué)家、新加坡研究院院長申省梅受邀參會，并做了《Global and Local Deep Feature Representation Fusion for Vehicle Re-Identification》的報(bào)告。

　　澎思科技首席科學(xué)家、新加坡研究院院長申省梅受邀出席VCIP 2019

　　由于很多具有不同標(biāo)識的車輛有著極其相似的外觀，因此澎思算法團(tuán)隊(duì)通過各種不同的方法，利用車輛的具體部件，選取基于部件的特征來執(zhí)行模型預(yù)測。如此一來，模型便能更好地了解部件的獨(dú)有特征。

　　澎思科技提出的全局和局部深度特征融合方法

　　最近，澎思新加坡研究院車輛再識別算法團(tuán)隊(duì)考慮到ReID任務(wù)中采用特征向量（不采用分類層）來計(jì)算距離矩陣，進(jìn)而比較兩個(gè)圖像之間的相似性，分類缺失本身并不足以實(shí)現(xiàn)良好的模型訓(xùn)練。于是，團(tuán)隊(duì)又將深度度量學(xué)習(xí)（DML）應(yīng)用于最新模型中，使得類內(nèi)三聯(lián)體之間的距離小于（至少有某一差距）類間三聯(lián)體之間的距離，從而提升模型的性能表現(xiàn)。

　　經(jīng)過測試，澎思科技提出的車輛再識別算法模型在VERI-Wild不同大小的三個(gè)測試集中，性能遠(yuǎn)遠(yuǎn)優(yōu)于基線模型，平均精度均值mAP和首位命中率Rank-1實(shí)現(xiàn)大幅度提升，刷新世界紀(jì)錄。

　　[1] VERI-Wild： A Large Dataset and a New Method for Vehicle Re-Identification in the Wild

　　車輛再識別數(shù)據(jù)集VERI-WILD評估結(jié)果

　　同樣，該模型的表現(xiàn)也優(yōu)于VCIP 2019Grand Challenges on Vehicle ReIdentification車輛再識別大型挑戰(zhàn)賽上排名第一的中科院自動化所團(tuán)隊(duì)。

　　VCIP 2019車輛再識別大型挑戰(zhàn)賽測試集結(jié)果對比

　　ReID算法持續(xù)優(yōu)化，深化面向場景的AI技術(shù)研發(fā)與創(chuàng)新

　　行人再識別和車輛再識別同屬于目標(biāo)再識別的兩個(gè)重要任務(wù)，主要用于解決目標(biāo)的跨鏡頭跟蹤，通過場景匹配實(shí)現(xiàn)行人/車輛的跨鏡追蹤以及軌跡預(yù)測等。ReID是跨攝像頭跟蹤中解決目標(biāo)因?yàn)橐曇皝G失后再匹配最直接的方法，是單攝像頭中多目標(biāo)和單目標(biāo)跟蹤的一種非常有效的特征。澎思科技在目標(biāo)再識別上積累了豐富的算法，取得了多項(xiàng)世界級成果，并逐步實(shí)現(xiàn)ReID技術(shù)在智慧城市建設(shè)場景中的落地應(yīng)用。

　　今年，澎思科技在行人再識別（PersonReID）和基于視頻的行人再識別（Video-basedPersonReID）先后取得突破。7月，澎思科技在行人再識別三大主流數(shù)據(jù)集測試Market1501、DukeMTMC-reID、CUHK03上算法關(guān)鍵指標(biāo)首位命中率（Rank-1 Accuracy）獲得業(yè)內(nèi)最好成績，刷新了世界紀(jì)錄。8月，澎思科技在基于視頻的行人再識別三大數(shù)據(jù)集PRID-2011，iLIDS-VID，MARS上同樣刷新世界紀(jì)錄，實(shí)現(xiàn)算法關(guān)鍵指標(biāo)大幅度提升。

　　此次澎思科技在車輛再識別（VehicleReID）非受限場景數(shù)據(jù)集下取得的成績，同樣印證了公司堅(jiān)持展開面向場景的AI技術(shù)研發(fā)。非受限場景下的車輛再識別更貼近實(shí)際應(yīng)用場景，澎思科技憑借自研的算法模型，有效提升了算法在諸如高度視角差異、極端照明條件、復(fù)雜背景和多攝像頭來源等現(xiàn)實(shí)挑戰(zhàn)下的性能表現(xiàn)。接下來，澎思科技將逐步實(shí)現(xiàn)算法在平安城市、智慧交通等領(lǐng)域的落地應(yīng)用。

　　在人工智能行業(yè)進(jìn)入商業(yè)化落地主導(dǎo)的產(chǎn)業(yè)化階段，澎思科技作為一家專注于計(jì)算機(jī)視覺和物聯(lián)網(wǎng)技術(shù)，提供“以人為核心”行業(yè)綜合應(yīng)用解決方案的人工智能公司，將持續(xù)深化面向場景的AI技術(shù)研發(fā)與創(chuàng)新，針對用戶需求深挖場景，發(fā)現(xiàn)行業(yè)痛點(diǎn)并不斷打磨算法和產(chǎn)品，將技術(shù)真正應(yīng)用到業(yè)務(wù)場景中，推動AI技術(shù)的產(chǎn)品化落地和商業(yè)化進(jìn)程。