杭州2018年9月11日電-- 人工智能技術的快速發(fā)展加速物聯(lián)網(wǎng)行業(yè)的升級，視頻結構化智能解析技術能夠從海量視頻數(shù)據(jù)中提取價值數(shù)據(jù)，供進一步數(shù)據(jù)分析和挖掘，為精準決策提供基礎保障，賦能公安、交通、金融、樓宇、零售等各個行業(yè)應用。

近日，大華股份基于深度學習技術研發(fā)的目標檢測技術，刷新了KITTI 2D Object Detection (Pedestrian)競賽的全球最好成績，取得了人體目標檢測排行榜第一名，超越其它一流的 AI 公司和頂尖的學術研究機構，以及 ECCV 和 CVPR 最佳目標檢測研究成果，這標志著大華股份在目標檢測領域處于世界領先水平。

大華股份在 AI 的核心技術領域持續(xù)耕耘，不斷提升智能算法、算力的核心競爭力。這是大華股份繼2018年取得 KITTI 國際競賽車輛目標檢測第一名之后，再次在人體目標檢測領域取得重大突破。前不久，大華股份行人多目標跟蹤技術在 MOT Challenge 國際測評中取得第一的好成績。

KITTI 數(shù)據(jù)集由德國卡爾斯魯厄理工學院和豐田美國技術研究院聯(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) 等計算機視覺技術在車載環(huán)境下的性能。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。

2D人體目標檢測任務

該任務中的行人數(shù)量多，且有大量遮擋截斷的情況，行人尺度、角度變化多，目標檢測難度較大。大華股份最終以78.29%的準確率位列第一。

本次競賽在大華自主研發(fā)的深度學習平臺上，汲取了 ResNet 等網(wǎng)絡結構的優(yōu)點，改進了深度學習檢測算法框架，采用強化學習等訓練技巧，并運用多模型融合技術，大幅提升了遮擋目標和小目標的檢出率。

該競賽數(shù)據(jù)集的行人檢測效果圖如下：

行人檢測效果圖

本次競賽中使用的技術已經(jīng)在大華的客流分析、人群態(tài)勢、視頻結構化解析、周界管理、智能交通等產(chǎn)品和解決方案上得到廣泛應用。

生成海報

免責聲明：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。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。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)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。