站長資訊網近日，成都市成華區某居民小區發生了一起電瓶車燃燒火情：一名男子推電瓶車搭乘電梯時，電瓶車起火自燃，造成電梯內5人不同程度受傷。類似的事件屢見不鮮，各小區的管理者急需實現智能化管理，來降低電瓶車安全隱患。以人為本推進技術落地，為減少類似事件發生，曠視于今日正式在GitHub上免費開源電瓶車檢測算法模型，支持開發者迅速開發自己的阻車系統，精準識別電瓶車進入電梯等情況，守護居民平安。
圖：成都一居民小區發生電瓶車燃燒火情(圖源：@人民日報 微博)
作為日常生活的重要代步工具之一，電瓶車給居民短途出行帶來了很大的便利，受到很多人的青睞。據中國自行車協會統計，近年來我國電瓶車社會保有量接近3億輛。數量龐大的電瓶車給小區的管理帶來了巨大壓力，電瓶車違規停放、違規充電等行為讓火災等事故頻發。
該如何提升電瓶車管理工作水平，防患于未“燃”?消防部門數據顯示，近年來電瓶車起火致人傷亡的案例中，90%發生在門廳、過道以及樓梯間，因此，管理者加強監管、禁止所有電瓶車上樓是關鍵。
單純依靠人工巡查電瓶車違規問題費事費力且不及時，管理方采用人工智能等技術實現智能管理勢在必行。響應需求，曠視基于其快速生產算法的能力，在事發后的2-3天內迅速推出了可部署的電瓶車檢測算法模型，并在GitHub上開源，讓具備AI模型集成能力的開發者迅速開發出阻車系統，以此實現在檢測到電瓶車進入電梯等區域后，迅速提醒管理人員，幫助提升電瓶車管理水平，降低安全隱患，維護小區安全。
圖：曠視電瓶車檢測算法演示
在使用方面，曠視開源的是基于PyTorch轉換為ONNX格式后的模型，開發者可以參考Repo中給出的樣例推理代碼進行集成。同時，該模型使用EfficientNet小模型作為主干網絡，可以在移動端做到輕量化部署。使用者可以將提供的ONNX格式模型轉換至偏好的 backend(TensorRT、TVM、NCNN、Caffe2)，在iOS、Android、ARM設備上完成部署。
值得一提的是，能夠快速推出該算法模型是基于曠視AI生產力平臺Brain++，可以通過對當前任務的分析，自動推薦歷史完成過的所有算法中包含的相似信息，協助研究員產出新的算法模型。
作為社會的細胞，社區的安全是社會穩定和諧的基礎。曠視免費開源電瓶車檢測算法，為筑牢社區安全基石助力，也是積極踐行企業社會責任的體現。未來，曠視也將繼續基于業界頂尖的人工智能基礎研究與工程實踐能力，與行業一道為建設和諧社會貢獻企業和技術的力量。
現在，通過下方鏈接查看曠視電瓶車檢測算法開源詳情吧!
https://github.com/megvii-research/MEMD
特別提醒：本網信息來自于互聯網，目的在于傳遞更多信息，并不代表本網贊同其觀點。其原創性以及文中陳述文字和內容未經本站證實，對本文以及其中全部或者部分內容、文字的真實性、完整性、及時性本站不作任何保證或承諾，并請自行核實相關內容。本站不承擔此類作品侵權行為的直接責任及連帶責任。如若本網有任何內容侵犯您的權益，請及時聯系我們，本站將會在24小時內處理完畢。
