您正在使用IE低版浏览器,为了您的雷锋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
人工智能开发者 正文
发私信给AI研习社
发送

0

澎思科技刷新VCIP 2019车辆再识别(Vehicle ReID)赛事纪录

本文作者:AI研习社 2019-12-20 15:10
导语:澎思科技车辆再识别(Vehicle ReID)技术在非受限场景车辆再识别数据集VERI-Wild上的成绩刷新纪录。

雷锋网AI开发者讯,近日,澎思科技车辆再识别(Vehicle ReID)技术在非受限场景车辆再识别数据集VERI-Wild上的成绩刷新纪录,并打破了VCIP 2019车辆再识别大型挑战赛的最好成绩。澎思科技基于自主研发的全局和局部深度特征融合算法模型,实现了车辆再识别算法关键指标平均精度均值(Mean Average Precision,mAP)和首位命中率(Rank-1 Accuracy)的大幅度提升,在VERI-Wild数据集上平均精度均值mAP达到85.35%。

车辆再识别在智慧城市和公共安全方面有着广泛的应用前景和至关重要的作用,一直是计算机视觉领域研究的焦点。

车辆再识别面临的挑战以及VERI-Wild数据集的推出

车辆再识别,也称为车辆检索,旨在找到不同监控场景下的同一辆车。近期随着深度学习技术的发展,车辆再识别算法效率显著提升。然而现有数据集的限制过度简化了车辆再识别面临的现实挑战,使得基于大部分现有数据集开发和评估的ReID模型在真实场景中的泛化能力可能存在问题。真实监控情景中的车辆再识别仍然面临高度视角差异、极端照明条件、复杂背景和不同的摄像头来源等挑战。非受限场景车辆再识别数据集VERI-Wild的推出就致力于解决这些问题。

澎思科技刷新VCIP 2019车辆再识别(Vehicle ReID)赛事纪录 图为VERI-Wild与Vehicle ID、VeRI-776数据集的样本比较

VERI-Wild是在2019年CVPR期间对外发布的车辆再识别数据集。该数据集由40,000个车辆标识中的400,000张图像以及诸如车辆品牌、颜色和车型等附加信息组成,这些信息可用于增强ReID框架的性能或作为独立的采集任务。VERI-Wild数据集旨在应对现有数据集在车辆标识和图像数量不够大、摄像头数量和覆盖区域有限、摄像头视角高度受限及光照度和天气状况没有明显变化等局限性问题,是目前最具挑战的车辆再识别数据集。

面向车辆再识别的全局和局部深度特征融合方法 

在2019年IEEE视觉通信和图像处理国际会议(VCIP)期间举办的Grand Challenges on Vehicle ReIdentification车辆再识别大型挑战赛上,澎思科技提出面向车辆再识别的全局和局部深度特征融合方法。澎思科技首席科学家、新加坡研究院院长申省梅受邀参会,并做了《Global and Local Deep Feature Representation Fusion for Vehicle Re-Identification》的报告。

澎思科技刷新VCIP 2019车辆再识别(Vehicle ReID)赛事纪录 图为澎思科技首席科学家、新加坡研究院院长申省梅受邀出席VCIP 2019

由于很多具有不同标识的车辆有着极其相似的外观,因此澎思算法团队通过各种不同的方法,利用车辆的具体部件,选取基于部件的特征来执行模型预测。如此一来,模型便能更好地了解部件的独有特征。

澎思科技刷新VCIP 2019车辆再识别(Vehicle ReID)赛事纪录 图为澎思科技提出的全局和局部深度特征融合方法

最近,澎思新加坡研究院车辆再识别算法团队考虑到ReID任务中采用特征向量(不采用分类层)来计算距离矩阵,进而比较两个图像之间的相似性,分类缺失本身并不足以实现良好的模型训练。于是,团队又将深度度量学习(DML)应用于最新模型中,使得类内三联体之间的距离小于(至少有某一差距)类间三联体之间的距离,从而提升模型的性能表现。

经过测试,澎思科技提出的车辆再识别算法模型在VERI-Wild不同大小的三个测试集中,性能远远优于基线模型,平均精度均值mAP和首位命中率Rank-1实现大幅度提升,刷新世界纪录。

 

澎思科技刷新VCIP 2019车辆再识别(Vehicle ReID)赛事纪录  [1] VERI-Wild: A Large Dataset and a New Method for Vehicle Re-Identification in the Wild

车辆再识别数据集VERI-WILD评估结果

同样,该模型的表现也优于VCIP 2019 Grand Challenges on Vehicle ReIdentification车辆再识别大型挑战赛上排名第一的中科院自动化所团队。

澎思科技刷新VCIP 2019车辆再识别(Vehicle ReID)赛事纪录 

VCIP 2019车辆再识别大型挑战赛测试集结果对比

ReID算法持续优化,深化面向场景的AI技术研发与创新

行人再识别和车辆再识别同属于目标再识别的两个重要任务,主要用于解决目标的跨镜头跟踪,通过场景匹配实现行人/车辆的跨镜追踪以及轨迹预测等。ReID是跨摄像头跟踪中解决目标因为视野丢失后再匹配最直接的方法,是单摄像头中多目标和单目标跟踪的一种非常有效的特征。澎思科技在目标再识别上积累了丰富的算法,取得了多项世界级成果,并逐步实现ReID技术在智慧城市建设场景中的落地应用。

雷锋网(公众号:雷锋网)AI开发者获知,今年澎思科技在行人再识别(Person ReID)和基于视频的行人再识别(Video-based Person ReID)先后取得突破。7月,澎思科技在行人再识别三大主流数据集测试Market1501、DukeMTMC-reID、CUHK03上算法关键指标首位命中率(Rank-1 Accuracy)获得业内最好成绩。8月,澎思科技在基于视频的行人再识别三大数据集PRID-2011,iLIDS-VID,MARS上同样刷新纪录,实现算法关键指标大幅度提升。

雷锋网AI开发者

雷锋网特约稿件,未经授权禁止转载。详情见转载须知

澎思科技刷新VCIP 2019车辆再识别(Vehicle ReID)赛事纪录

分享:

文章点评:

表情
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