站長資訊網近日，科大訊飛憑借在道路目標檢測領域多年的技術探索，刷新了Cityscapes 3D目標檢測任務的全球最好成績，得到檢測分數(DS)42.9，取得了該項評測的第一名。這也是，科大訊飛繼2017年、2018年參與測評之后，再一次刷新Cityscapes的世界紀錄。
此次評測，科大訊飛借鑒了已在城市交通出行場景下應用的Anchor-Free車輛檢測技術，將2D目標檢測技術升級至3D，并結合3D到2D重投影的特殊先驗信息進行算法遷移，通過結合語義、上下文信息、位置先驗信息以及目標形狀先驗信息等，提取精確的3D目標檢測框，構建形成一套具有豐富上下文信息的多層次單目3D目標檢測方案
什么是Cityscapes和3D目標檢測任務？
我們知道，在深度學習圖像語意分割的訓練過程中，需要有數據集及分好類的標簽，這樣才可以讓你的神經網絡進行學習，進而訓練出模型。Cityscapes便是包含城市大量街道圖片、視頻用來訓練識別的數據集，由戴姆勒(DAIMLER)等在內的三家德國單位聯合提供，吸引了華為、阿里、微軟、北大、中科院、MIT等上百個國內外著名AI實驗室和頂尖學術研究機構積極參與，是CVPR、ECCV等國際頂級會議中實例分割任務常用的權威測試數據集。
2020年，在CVPR workshop上，Cityscapes公開了新的單目圖像3D目標檢測評測集，包含car, truck, bus, train, bicycle, motorcycle共6種類別目標。每種目標需要檢測出其在空間中的三維坐標位置，目標的長、寬、高以及目標在空間中的旋轉姿態。基于視覺的3D目標檢測，是圖像處理和計算機視覺領域的重要研究方向之一。
基于視覺的3D目標檢測有什么重要意義？
基于科大訊飛在AI+3D視覺技術的結合探索之下，未來3D目標檢測將能在城市治理、工業智能、機器智能、智能駕駛等多方面發揮廣泛的作用。
【提供參考】
通過三維目標檢測技術，可以感知目標的三維尺寸信息、空間位置。
【精準判斷】
通過空間位置感知，可以更精準地判斷目標和參照物之間的位置關系。
比如在城市交通管理場景中，當前交通違法判定主要還是依靠固定攝像頭抓拍、二維圖像判定的方式，往往存在視覺盲區。若將3D目標檢測技術接入公安交警現有的交通視頻智能分析平臺，與AI巡檢相結合，可以進一步精確判定車輛車型，基于空間位置感知和連續軌跡跟蹤，計算出車輛的行駛速度、空間軌跡等，為越斑馬線停車、超速抓拍、擁堵感知等違法異常事件判斷提供更實時、更精準的決策依據。這不僅能夠達到對已有設備資源的最大化利用，實現降本提效，還能夠提升城市數字化治理能力，助力文明出行、平安出行。
如下圖所示，右側黑色車輛2D檢測外邊框和右側交通線相交，此時通過二維平面相交關系判斷，會認定車輛壓線行駛。但從三維的檢測結果分析，能夠判斷出車體并沒有越過交通線。
AI賦能，建設美好世界
如何讓機器變得更加“聰明”，具備足夠的學習能力，并更精準地貼合現實使用需求，是所有人工智能研發團隊所需解決的最大難題。科大訊飛直面檢測精細度更高、場景更為復雜、挑戰難度更大的3D目標檢測任務，并一舉刷新了世界紀錄，意味著科大訊飛已經具備了強大的AI技術硬核實力。
多年來，科大訊飛在人工智能領域百花齊放，在基于深度學習的通用核心技術上厚積薄發。不僅在智能語音、機器翻譯等大眾熟悉的領域上在多項國際權威賽事上取得第一，實際上，科大訊飛在教育圖文、人臉識別等計算機視覺領域也深耕多年，擁有豐富的經驗和國際領先的技術，并已運用在教育、醫療、金融等多個行業，取得耀眼成績，獲得良好口碑。
未來，科大訊飛將繼續堅持源頭技術創新路線，秉持“頂天立地”的理念，加快開放應用場景，促進AI技術和各種應用場景相結合，加速人工智能技術落地，建設美好世界。(通訊員：科大訊飛集團 李倩)
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。
