0
10 月 27 日-11 月 2 日，在 ICCV 2019 Workshop 舉辦的 Vision Meets Drone: A Challenge（簡稱：VisDrone 2019）挑戰賽上，云從科技研究院與中科院信息工程研究所葛仕明研究員團隊（以下簡稱「聯合研究團隊」）獲得了 Task3「單目標跟蹤挑戰（Single Object Tracking, SOT）」冠軍。
VisDrone2019 挑戰賽
ICCV 2019 國際計算機視覺大會由 IEEE 主辦，與計算機視覺模式識別會議（CVPR）和歐洲計算機視覺會議（ECCV）并稱計算機視覺方向的三大頂級會議，屬于 CCF A 類會議。
此次 VisDrone 2019（無人機目標檢測）挑戰賽，要從無人機獲取的視覺數據中進行物體檢測和跟蹤，吸引了來自海內外知名高校、科研機構和企業，包括中科院、清華大學、馬里蘭大學、伊利諾伊大學厄巴納-香檳分校、云從科技、三星研究院等近百支隊伍參賽。
本屆挑戰賽包含了四個任務，聯合研究團隊參加了「任務 3：單目標跟蹤挑戰」。
VisDrone 2019 數據集由天津大學機器學習與數據挖掘實驗室的 AISKYEYE 團隊收集，全部基準數據集由無人機捕獲，包括 288 個視頻片段，總共包括 261908 幀和 10209 個靜態圖像。
這些幀由 260 多萬個常用目標（如行人、汽車、自行車和三輪車）的手動標注框組成。為了讓參賽隊伍能夠更有效地利用數據，數據集還提供了場景可見性、對象類別和遮擋等重要屬性。
因此，本屆賽題難點諸多。聯合研究團隊在「任務 3：單目標跟蹤挑戰」中，不僅要處理訓練集、驗證集、測試集等大量數據，還要克服數據中的低分辨率、長期遮擋、相機運動模糊等困難。
任務 3：單目標跟蹤挑戰
處理方案
經過反復訓練與測試，聯合研究團隊最終提出了改進的精確目標狀態估計算法：ED-ATOM。方法里面包含兩個模塊：目標估計和物體分類。
其中，目標估計模塊使用 IOU 預測網絡、ResNet-18 網絡和 ImageNet 等數據集來做預訓練，同時使用低光照圖像增強算法處理原始數據，離線精調模型后再在線基于跟蹤狀態的搜索策略改進魯棒性。
物體分類模塊則使用數據增強的方法，進行在線數據擴充，以便于分類模型的可推廣性。同時基于跟蹤狀態的有效搜索策略，改進穩健性。
最終，結合 IE（圖像增強）、ED（通過增強數據訓練的 IOU 預測網絡）、DA（在線數據增強）、LT（長期跟蹤）幾種方法的 ED-ATOM 算法，取得了最優成績。
ED-ATOM 算法運用微光圖像增強方法實行暗部追蹤訓練，通過不同方法的測試，確定效果最佳方案；
運用數據擴充方案，在目標外觀發生變化的情況下，通過翻轉、平移、縮放、仿射、旋轉、模糊等增強方法，提高跟蹤自適應性；
在面對嚴重的不在視野和完全遮擋的跟蹤情況下，使用長期跟蹤方案，可以自適應搜索區域，提高跟蹤穩健性。
通過 ED-ATOM 算法，將可以實現在低分辨率、長期遮擋、攝像機運動/運動模糊等情況下的有效可視化，從而達到鎖定目標、預判行動等效果。
跟蹤分數
據了解，作為人工智能領域的智能服務企業，云從科技在廣州、重慶、上海、蘇州、成都等地都成立了研發中心，研發人員超過 1000 名，提供了核心技術產品研發能力。同時與各大學、研究院等成立聯合實驗室，掌握最前沿的核心技術研發能力。
雷鋒網 AI 開發者雷鋒網雷鋒網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
