智慧城市网

　　【中国安防展览网 品牌专栏】近日，大华股份基于深度学习技术研发的目标分割技术，刷新了Kitti实例分割任务竞赛的好成绩，取得了实例分割排行榜名，超越其它AI公司和学术研究机构，这标志着大华股份在实例分割领域处于高水平。
 

　　大华股份在AI核心技术领域持续耕耘，不断提升智能算法、算力的核心竞争力。经过长期的技术积累，大华股份在2017年文字检测和识别、场景流识别等领域分别取得；2018年在2D车辆目标检测、MOT跟踪、Pedestrian等竞赛中分别取得，本次在实例分割算法中再次取得了新突破。
 

　　在Kitti实例分割任务(Semantic Instance Segmentation Evaluation)中，需要把各种场景下的行人、汽车、自行车、公交车、货车、火车等10个类别的实例准确分割出来。同时，训练集和验证集分别只有200张数据，属于小样本学习。
 

　　在本次比赛上，大华股份自主研发的深度学习平台，采用迁移学习的方法，借鉴Mask R-CNN、PANet等新算法的优点，重点对PANet算法进行了改进，将检测和分割任务同时进行，并应用多尺度检测方法，提高了检出率。
 

　　⊙该项竞赛数据集的实例分割效果：
 

(图1)
 

(图2)
 

　　⊙大华股份实际产品和未来产品中的应用：
 

　　本次竞赛中使用的技术已在大华股份产品及解决方案中成功应用，尤其是在智慧交通、智慧安检、智慧水务等领域，可把人、车等目标物快速地从视频中分离出来并进行智能分析，实现特定目标的快速查找和检索，极大地提高了工作效率和视频应用价值。
 

　　关于Kitti：
 

　　Kitti数据集由德国卡尔斯鲁厄理工学院和丰田美国技术研究院联合创办，是目前上大的计算机视觉算法评测数据集之一。数据集用于评测立体图像(Stereo)、光流(Optical Flow)、视觉测距(Visual Odometry)、物体检测(Object Detection)和跟踪(Tracking)、道路分割(Road)、语义分割(Semantics)等计算机视觉技术在车载环境下的性能。Kitti包含市区、乡村和高速公路等场景采集的真实图像数据，每张图像中多包含15辆车和30个行人，且存在不同程度的遮挡与截断。