大华股份在AI的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第一;2018年在2D车辆目标检测、MOT跟踪、Pedestrian等国际竞赛中分别取得第一,本次在目标分割算法领域又取得了新突破。
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,是目前国际上最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,每张图像中最多包含15辆车和30个行人,且存在不同程度的遮挡与截断。
可行驶区域道路分割任务(Road/Lane Detection)
该比赛任务为KITTI可行驶区域的道路分割任务,需要把各种场景下的可行驶区域分割出来,同时场景中存在各种遮挡和阴影,并且要求精确度达到像素级别。该训练集有289张数据,采用小样本学习方案。
本次国际比赛在大华股份自主研发的深度学习平台上,采用迁移学习的方法,借鉴Deeplabv3+、U-net、Hed等经典框架的优点,重点对U-Net、Hed边缘检测算法进行了改进,并应用多尺度测试和多模型融合技术,提高了检出率和召回率。
该项国际竞赛数据集的道路分割效果结果:
![\](/uploadfile/2018/0917/20180917100612855.jpg)
国际竞赛数据集的道路分割效果结果
在大华实际产品和未来产品中的应用
本次竞赛中使用的技术已经在大华的新零售、智能交通等产品和解决方案上得到广泛应用,可以实现基于检测目标的像素级图像分割,大幅提升目标的检测性能,尤其是在遮挡场景下智能算法的检测能力。
新零售场景
采用目标分割技术,可以实现商品像素级的区域检测,高效捕获不同角度摆放或存在重叠遮挡的商品,从而提升货架上不同种类的商品识别率。
智能交通场景
采用目标分割技术,在道路上可以精准获取车辆的边界,提升视频结构化解析服务器、车辆大数据等产品的核心竞争力。