中华网软件在美申请IPO 拟向投资者售发480万股ADS
06-18
人脸识别后的下一个趋??势是什么？对于这个问题，业界似乎已经达成了共识。
自从人工智能的人脸识别能力超越人类以来，学术界和工业界的注意力逐渐转向另一个更具科研意义和应用价值的课题——行人重新识别（ReID）。
近日，依图科技在ReID领域取得新突破，刷新了业界最权威的三个数据集当前最佳成绩（SOTA）。
算法性能目前已达到业界最高标准，极大拓展了算法和应用的边界。
注：依图算法的结果是在没有使用时空信息、没有重新排序等约束的情况下得到的。
还记得依图在年底进军智能语音，立刻刷新了中文语音识别领域识别准确率的新纪录。
今年5月，全球首款云视觉AI芯片上市，“一发布就商用”。
看来，无论进入哪个技术领域，依图都能迅速将行业整体水平推向新高，加速技术产业化。
这背后的关键是什么？行人重新识别（ReID），继人脸识别之后的“杀手级应用”。
在交通、工业制造、城市规划等实际场景中，99%的图像不包含人脸或者人脸部位极度模糊。
由于只有几个像素大小，此时人脸识别的作用就比较有限。
行人重识别（ReID，又称“行人重识别”）是指在多摄像头设备网络下检索行人，利用步态动作、身体特征等更全面的信息来识别人，是否单独使用或与人脸识别结合使用，可以发挥更大的应用价值。
除了智慧零售、智慧交通、智慧城市等经常提到的应用场景外，ReID技术的应用也将使日常生活变得更加便捷：游乐园可以更轻松地找到走失的孩子，宠物/家庭机器人可以准确识别主人或客户根据他们的背部并提供信息。
相应的服务。
然而，由于ReID需要从不同摄像头拍摄的图像或视频中找到同一个人，而这些摄像头覆盖的范围彼此不重叠，导致信息缺乏连贯性，人的姿势、行为甚至外貌不同图片中的人物（例如：正面、侧面、背面）会发生较大的变化。
不同时间和场景的灯光、背景和障碍物是不同的（背景中经常有其他体型和衣服相似的人的干扰）。
相机的分辨率也很高。
画面中有低有低，人物出现有远有高，这些都对ReID技术提出了很大的挑战。
深度优化ReID算法框架，AutoML替代手动算法调优。
依图科技凭借自身的工程和研发能力，对ReID算法框架进行了深度优化，算法效率显着提升。
通过结合AutoML等前沿技术，进一步创新地实现了模型。
参数的自动搜索和迭代突破了传统算法开发过程中依赖算法研究人员手动设计和调优的过程。
它降低了劳动力成本，同时使算法更具通用性。
此次，依图自研算法将应用于业界最具影响力的三个ReID数据集：Market、DukeMTMC-ReID、CUHK03。
衡量算法性能的两个关键指标将是“Rank-1 Accuracy”和“Rank-1 Accuracy”。
“平均精度（mAP）”六项数据全部提升，充分展现了依图的技术实力，进一步巩固了中国技术团队在该任务中的领先地位。
需要指出的是，第一命中率高仅意味着算法能够准确地找到众多图像中最容易识别或匹配的图像。
它并不能反映模型的真实能力，特别是在处理复杂场景时的表现。
因此，在评估ReID算法的性能时，需要结合mAP值，它反映了系统的综合检索性能。
mAP值越高，系统的实用性越好。
既能检测完整又准确的图像，能更好应对多重遮挡、暗光、图像模糊等情况。
算法+算力加速ReID商业化。
面对又一个行业纪录，依图团队显得非常冷静。
依图研发人员表示，此次排名只是一次尝试。
依图在行业内实施的ReID项目的规模和复杂度都远远超过了三大数据集。
可以说，学术界现有的ReID基准已经无法体现行业算法的最高水平。
例如，Market-reID是在清华大学收集的。
行人（ID）基本上都是穿着短袖、短裤和裙子的亚洲人。
DukeMTMC-reID 收集于杜克大学。
ID主要是穿着冬装的欧美人。
人们，这些在特定场景、特定时间段采集的数据往往与现实世界中的图像分布不一致。
在实际场景中，ReID算法需要跨时间段、跨场景、跨不同成像质量的图像采集设备进行高精度、快速识别。
其数据分布和问题复杂度远远大于现有的学术数据集。
这些现实因素阻碍了现有的ReID学术数据集有效模拟或还原实际情况。
因此，基于现有 ReID 数据集的基准测试具有很大的局限性。
依图研究人员表示，行业需要更好的ReID数据集和更全面的算法测量数据集，至少对于商业化算法而言。
实战场景中的ReID任务不仅对算法提出了更高的要求，也需要更高效的芯片来提供强大的算力支持。
两者缺一都会影响ReID的实际应用价值。
目前看来，依图是一家兼具算法和计算能力的公司。
依图于2019年投资研发云AI芯片QuestCore?（Quest），并于2019年5月“发布商用”。
QuestCore?是全球首款云视觉AI芯片，提供强大的算力和消耗单摄像头小于1W。
在ReID的实际应用中，依图研发人员对本次提出的算法进行了进一步优化。
依靠依图自主研发的AI芯片，仅根据服装和身体特征就可以实现对20岁至20岁人群的ReID。
人脸识别准确率。
这不仅加速了ReID的大规模商业化，也解锁了新的应用场景。
2016年，以Apple FaceID为代表的人脸识别商业应用开始在全球范围内普及。
如今，刷脸支付、刷脸识别已经渗透到我们的日常生活中。
有理由相信，凭借世界一流的ReID算法和自主研发的AI芯片，业界期待的计算机视觉领域的下一个“杀手级应用”已经到来。
雷锋网 雷锋网 雷锋网版权所有文章，未经授权禁止转载。
详情请参阅转载说明。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-18
06-21
06-17
06-17
最新文章
Android旗舰之王的过去与未来
智能手表不被开发、AR眼镜被推迟，Meta的产品经历了一波三折
为什么Cybertruck是特斯拉史上最难造的车？
更新鸿蒙3后，文杰允许你在车里做PPT了
新起亚K3试驾体验：追求“性价比”，韩系汽车仍不想放弃
阿维塔15登场！汽车配备了增程动力，理想情况下会迎来新的对手吗？
马斯克宣布创建 ChatGPT 竞争对手！ OpenAI的CEO给他泼了冷水， GPT-5可能会发生巨大变化
骁龙无处不在，是平台也是生态