12月19日,澎思科技宣布其車輛再識(shí)別(Vehicle ReID)技術(shù)在非受限場(chǎng)景車輛再識(shí)別數(shù)據(jù)集VERI-Wild上的成績(jī)刷新世界紀(jì)錄,并打破了VCIP 2019車輛再識(shí)別大型挑戰(zhàn)賽的最好成績(jī)。
車輛再識(shí)別,也稱為車輛檢索,旨在找到不同監(jiān)控場(chǎng)景下的同一輛車,在智慧城市和公共安全方面有著廣泛的應(yīng)用前景,一直是計(jì)算機(jī)視覺(jué)領(lǐng)域研究的焦點(diǎn)。
據(jù)介紹,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(shí)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%。
隨著深度學(xué)習(xí)技術(shù)的發(fā)展,車輛再識(shí)別算法效率顯著提升。然而現(xiàn)有數(shù)據(jù)集的限制過(guò)度簡(jiǎn)化了車輛再識(shí)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(kāi)發(fā)和評(píng)估的ReID模型在真實(shí)場(chǎng)景中的泛化能力可能存在問(wèn)題。真實(shí)監(jiān)控情景中的車輛再識(shí)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(lái)源等挑戰(zhàn)。非受限場(chǎng)景車輛再識(shí)別數(shù)據(jù)集VERI-Wild的推出就致力于解決這些問(wèn)題。
此次澎思科技在車輛再識(shí)別(Vehicle ReID)非受限場(chǎng)景數(shù)據(jù)集下取得刷新世界紀(jì)錄的成績(jī),未來(lái)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。