0
近日，創新奇智憑借突破性的單目標跟蹤算法，在通用單目標跟蹤測評數據集GOT-10k(Generic Object Tracking Benchmark)上，以絕對優勢獲得冠軍。
GOT-10K數據集由中科院發布，包括超過10000條取材于真實世界的視頻片段和560多個類別，超過150萬個手動標記框，具備場景豐富、算法挑戰難度高等特點。
創新奇智奪冠的單目標跟蹤算法，具有較強的魯棒性，有效克服了人或物在運動中各種復雜因素的干擾。目前，該算法已成為創新奇智MatrixVision視頻智能平臺上的重要算法資產，正在工業安全生產和公共服務等領域發揮作用。
來源于：http://got-10k.aitestunion.com/leaderboard
GOT-10K數據集由中國科學院自動化研究所CASIA的智能系統與工程研究中心發布并維護，是具有國際權威的通用單目標跟蹤算法評測數據集。其中訓練集由10000個視頻序列組成，全部取材于現實世界里移動的物體，包含563個目標類別與87種運動模式。物體的邊界框全部是手動標記，總計超過150萬個。
測試集由180個視頻序列組成，包含84類移動物體和32種運動模式，且訓練視頻與測試視頻之間所有的對象不重疊。
GOT-10K數據集是以WordNet英文詞匯數據庫作為骨架搭建起來的，分為5個大類：動物(Animal)、人造物體(Artifact)、人物(Person)、自然物體(Natural Object)，以及Part。在這個大類別之下再細分成563個類別，不過這只是其中一個標簽，另外一個標簽是動作類別，共有87種運動模式，極具挑戰性，吸引了海內外廣大學者和知名學術機構參與。
目標跟蹤算法是為模擬人眼在目標運動估計和跟蹤方面的能力，給定一個目標的初始位置，然后跟蹤算法會負責輸出后續幀中該物體的位置。同時，算法要克服物體在運動中存在的諸如運動模糊、運動遮擋、外觀變化、光照變化、背景相似干擾等因素的影響，才能獲得好的算法性能。
創新奇智跟蹤算法能夠有效地解決上述問題，還具備超強的魯棒性。該算法以DIMP算法為骨干，首先使用孿生網絡來同時提取訓練數據集和測試圖像的特征，然后加入一個模型優化器，再加入背景信息對初始幀得到的卷積層進行權重優化，然后使用自研的損失函數能夠解決正負樣本不均衡的問題，同時讓優化網絡能夠有效地提取前景和背景的特征，做出具備魯棒性的判斷。
DIMP網絡
目標跟蹤任務是計算機視覺領域的重要任務，廣泛使用在智能視頻監控、工業視覺的安全生產等領域。該先進算法已經收錄在創新奇智MatrixVision視頻智能平臺上面。該平臺預先內置圖像分類、物體檢測、圖像分割、目標跟蹤等多種算法，可以快速靈活得整合外部軟硬件，讓交付變得更輕，同時讓各個功能算法更好地適配到各個硬件平臺上面。目前，MatrixVision已經支持智慧工地，智慧園區，明廚亮灶，智慧油站，智慧防疫，智慧電梯等6大邊緣場景，提供車輛車牌識別追蹤、明火煙霧檢測、行人識別追蹤、安全服帽檢測等多種檢測任務。
明廚亮灶功能應用
智慧電梯功能應用
雷鋒網雷鋒網
雷峰網版權文章，未經授權禁止轉載。詳情見轉載須知。
