您正在使用IE低版浏览器,为了您的雷峰网账号安全和更好的产品体验,强烈建议使用更快更安全的浏览器
此为临时链接,仅用于文章预览,将在时失效
智能驾驶 正文
发私信给伍文靓
发送

0

Apollo 智能交通底座技术升级,助力百度霸榜 CVPR 赛事

本文作者:伍文靓 2020-06-19 18:17
导语:百度斩获 4 项世界冠军及 1 个榜单冠军,并成功卫冕 1 项冠军。

雷锋网按,近日,计算机视觉领域的国际顶会 CVPR 2020 首次以线上形式拉开帷幕。

在本届 CVPR 大会与智能交通关系最紧密的 AI CITY Challenge 和 MOTS Challenge 两大挑战赛中,百度表现突出,斩获 4 项世界冠军及 1 个榜单冠军,并成功卫冕 1 项冠军。

Apollo 智能交通底座技术升级,助力百度霸榜 CVPR 赛事

具体来说,AI CITY 智慧城市挑战赛由英伟达、亚马逊、马里兰大学等主办,主要集中在交通相关的车辆跟踪、再识别、异常事件分析等应用场景。

AI CITY 智慧城市挑战赛的 4 项比赛中,全球共有 315 支队伍参加,其中不乏阿里、滴滴、松下、卡内基梅隆大学等科技巨头和高校。在以下 3 场竞赛中,百度均取得了冠军的成绩:

  • 车流统计(Track 1:Multi-Class Multi-Movement Vehicle Counting);

  • 车辆再识别(Track 2:City-Scale Multi-Camera Vehicle Re-Identification);

  • 异常事件检测(Track 4:Traffic Anomaly Detection)。

Apollo 智能交通底座技术升级,助力百度霸榜 CVPR 赛事

百度勇夺AI CITY挑战赛三项冠军

其中,百度在今年的车辆重识别赛道蝉联冠军,异常事件检测最终得分超第二名近 50%。

百度之所以能取得如此成绩,要归功于其技术创新:

  • 在车流统计任务中,提出平滑马氏距离、漏检框召回优化等多目标跟踪改进算法,结合基于轨迹形状相似度的车道分类方法,整体方案综合指标达到 91.8%;

  • 在车辆再识别任务中,通过采用 3D 渲染数据编辑、复杂负样本增强、多信息融合等技术,最终 mAP 指标大幅领先第二名 6% 以上;

  • 在异常事件检测任务中,提出双向多粒度融合异常检测算法,使得异常事件准确率高达 98% 以上。

雷锋网了解到,上述技术均已应用于百度自研的智能交通系统,该系统整合了检测、跟踪、3D 定位、分割、身份重识别、事件分析在内的一揽子视觉技术。

MOTS (Multi-Object Tracking and Segmentation) 多目标跟踪与实例分割挑战赛则由德国慕尼黑大学、德国亚琛工业大学、ETH联合举办。其中,MOT(多目标追踪)是视频理解和分析领域的核心技术之一,广泛应用于智慧城市、智能交通等实际场景。

KITTI-MOTS 是自动驾驶权威数据集 KITTI 中多目标跟踪任务的扩展,包括 21 段训练视频以及 29 段测试视频,每一段视频均提供了所有物体(人和车)的实例分割标注,成为首个同时提供实例分割以及多目标跟踪标注的公开数据集。

今年,百度同时参加了 MOTS 和 MOT 竞赛任务,并在 KITTI-MOTS 赛道以及 MOT20 榜单中斩获第一。

Apollo 智能交通底座技术升级,助力百度霸榜 CVPR 赛事

百度拿下KITTI-MOTS竞赛冠军和MOT20榜单冠军

其中,在 KITTI-MOTS 竞赛中,百度提出了新型方法 PointTrack++,并且在行人和车辆两个类别中均取得冠军。PointTrack++ 包括视频实例分割、掩膜特征提取以及多目标关联跟踪等技术,突破性地把 3D 点云分析融入 2D MOTS 任务之中,首次实现实时在线的 MOTS 算法,并在车辆场景测评指标上领先第二名 3 个百分点以上,实现 SOTA 结果。

继去年 MOT16 夺冠之后,百度继续在 2020 年最新的多目标追踪榜单 MOT20 上进行了测试,并取得了第一名的成绩。相比往年,MOT20 使用一批全新的训练/测试数据集,场景行人高度密集,难度更大。

Apollo 智能交通底座技术升级,助力百度霸榜 CVPR 赛事

KITTI-MOTS竞赛中算法可视化展示

Apollo 智能交通底座技术升级,助力百度霸榜 CVPR 赛事

左图为MOT16算法可视化展示,右图为MOT20算法可视化展示

在很大程度上来说,百度本次的表现与飞桨的强力支撑密不可分,主要体现在以下三个方面:

  • 挑战赛使用的检测模型均基于 PaddleDetection 而打造;

  • 飞桨丰富且领先的预训练主干网络模型和完备的操作池,大幅缩短开发高精度模型的周期;

  • PaddleClas SOTA 模型丰富,为快速构建再识别任务提供了保障。

而且,挑战赛冠军模型已面向公众开放,并且成功应用到了国内首个民用 Robotaxi 的车路协同系统之中。借助 PaddleLite 定制化提升模型性能,在算力有限的情况下也可保障系统鲁棒运行。

在目前火热的新基建背景下,智能交通领域备受关注。

在这一方面,百度 Apollo 智能交通已落地长沙和沧州,并且正在推进与其他城市的相关合作。

Apollo 智能交通底座技术升级,助力百度霸榜 CVPR 赛事

百度 AI 新基建版图

「ACE 交通引擎」Apollo 智能交通方案通过统一的底座支持多种应用,是全球第一个具有路侧全息感知能力的自动驾驶车路协同系统,并服务于 Robotaxi 车队的日常开放道路测试运营。

基于上述同一套软硬件系统的智能路口输出更精准的交通流指标感知结果,支持实现更智能的信号灯优化控制,显著缓解高峰期干线拥堵,实现「灯看车、灯看人」的智能信号灯感应式控制,并通过百度地图手机APP服务于广大出行用户。

雷锋网获悉,百度智能城市也已经逐渐落地北京、重庆等地,百度的技术布局也新基建的浪潮中发挥重要作用。

雷峰网原创文章,未经授权禁止转载。详情见转载须知

分享:
相关文章

主编

WeChat ID:JANE_WW5 | 关注智能汽车以及自动驾驶
当月热门文章
最新文章
请填写申请人资料
姓名
电话
邮箱
微信号
作品链接
个人简介
为了您的账户安全,请验证邮箱
您的邮箱还未验证,完成可获20积分哟!
请验证您的邮箱
立即验证
完善账号信息
您的账号已经绑定,现在您可以设置密码以方便用邮箱登录
立即设置 以后再说