环球商业信息网是一个综合性门户网站,涵盖了国内外的新闻、生活、汽车、财经、科技、房产、教育、体育资讯,为互联网金融垂直领域下的创投、基金、众筹等项目提供信息服务。

当前位置:主页 > 新闻 > AutoML+自研AI芯片,依图加速行人重识别(ReID)大规模商业化落地

AutoML+自研AI芯片,依图加速行人重识别(ReID)大规模商业化落地

来源:环球商业信息网作者:贺子圆更新时间:2020-08-22 07:35:02阅读:

本篇文章1627字,读完约4分钟

人脸识别后的下一个窗口是什么?

看来业界在这个问题上已经达成了共识。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学研究意义和应用价值的课题——人的再识别(reid)。

最近,Etu Technology在reid领域取得了新的突破,刷新了目前业界三大权威数据集的sota,算法性能达到了业界迄今为止的最高标准,极大地拓展了算法和应用的边界。

注意:易图算法的结果是在不使用时间空、不重新排序等限制下获得的

我还记得在2018年底,我根据地图输入了智能语音,并立即创造了汉语语音识别领域的新纪录。2019年5月,世界上第一个云视觉人工智能芯片发布,“发布是商业的。”看来,无论你进入哪个技术领域,易图都可以迅速将行业整体水平推上一个新的高点,加快技术产业化。

AutoML+自研AI芯片,依图加速行人重识别(ReID)大规模商业化落地

这背后的关键是什么?

行人识别,人脸识别之后的“杀手级应用”

在交通、工业制造和城市规划等实际场景中,99%的图像不包含人脸或者人脸部分非常模糊,只有几个像素大小,因此人脸识别的作用是有限的。

行人再识别(reid,也称为“行人再识别”)是指在多摄像机设备网络下对行人的检索,它使用步态运动和身体特征等更全面的信息来识别人。无论是单独使用还是与人脸识别结合使用,都可以发挥更大的应用价值。

除了智能零售、智能交通、智能城市和其他经常提到的应用场景之外,reid技术的应用还将使日常生活更加方便:游乐园更容易找到走失的孩子,宠物/家庭机器人可以通过它们的背部准确识别主人或顾客,并提供相应的服务。

然而,里德需要从不同摄像机拍摄的图像或视频中找出同一个人,而且这些摄像机的覆盖区域互不重叠,导致缺乏连贯的信息。此外,不同画面(如前、侧、后)中的人的姿势、行为甚至外貌都会发生很大的变化,不同场景的光照、背景和障碍物在不同的时间会有所不同(背景中经常会有大小和衣着相似的人的干扰)

AutoML+自研AI芯片,依图加速行人重识别(ReID)大规模商业化落地

深入优化reid算法框架,用automl代替人工算法

凭借自身的工程和R&D实力,易图科技对reid算法框架进行了深度优化,显著提高了算法效率。通过与automl等前沿技术的结合,进一步创新性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于算法研究人员手工设计和优化的局面,在降低人工成本的同时使算法更加通用。

AutoML+自研AI芯片,依图加速行人重识别(ReID)大规模商业化落地

在行业内三大最具影响力的reid数据集market1501、dukemtmc-reid和cuhk03上,根据地图自行开发的算法提高了“秩1精度”和“平均精度”六个关键指标,充分展示了地图的技术实力,进一步稳定了中国技术团队

需要指出的是,第一位的高命中率仅仅意味着算法能够在众多图像中准确地找到最容易识别或匹配的一幅,而不能反映模型的真实能力,尤其是对于复杂场景的表现。

因此,在评价里德算法的性能时,有必要结合反映系统综合检索性能的地图值。地图值越高,系统的实用性越好,可以全面准确的检查,可以更好的处理多次遮挡、光线暗淡、图像模糊等情况。

算法+计算能力加速了里德的商业化

面对另一项行业记录,易图的团队非常冷静。据易图的R&D人员称,这份刷单只是一种尝试,而根据易图的说法,里德项目实际上已经登陆行业,其问题的规模和复杂程度远远超过了这三个数据集。可以说,学术界现有的里德基准已经不能反映工业算法的最高水平。

AutoML+自研AI芯片,依图加速行人重识别(ReID)大规模商业化落地

例如,市场1501是在清华大学收集的。行人(身份证)基本上是穿着短袖、短裤和裙子的亚洲人。杜克姆-里德是在杜克大学收集的。身份证主要是欧洲人和美国人穿的冬装。这些在特定场景和特定时间段收集的数据通常与真实世界的图像分布不一致。在真实场景中,reid算法需要在不同成像质量的图像采集设备下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。

AutoML+自研AI芯片,依图加速行人重识别(ReID)大规模商业化落地

这些现实因素导致里德现有的学术数据集无法有效模拟或还原实际情况。因此,基于现有里德数据集的基准有很大的局限性。据研究人员称,该行业需要一个更好的里德数据集和一个更全面的算法来衡量数据集,至少对商业算法而言是如此。

AutoML+自研AI芯片,依图加速行人重识别(ReID)大规模商业化落地

实际战斗场景中的里德任务不仅需要更高的算法,还需要更高效的芯片来提供强大的计算能力支持。两者缺一不可将影响里德的实际应用价值。目前,Etu是一家兼具算法和计算能力的公司。Etu在2017年投资了云人工智能芯片questcore的研发,并于2019年5月“投入商业使用”。Questcore是世界上第一款云视觉ai芯片,它提供强大的计算能力,单个摄像头的功耗不到1w。

AutoML+自研AI芯片,依图加速行人重识别(ReID)大规模商业化落地

在reid的实际应用中,根据提出的算法,R&D人员进行了进一步的优化,依靠根据地图开发的ai芯片,在只考虑佩戴和步态特征的情况下,reid的人脸识别准确率可以达到2017年到2018年。这不仅加速了reid的大规模商业化,也开启了新的应用场景。

AutoML+自研AI芯片,依图加速行人重识别(ReID)大规模商业化落地

2017年,以苹果faceid为代表的人脸识别的商业应用开始在世界范围内推广。如今,刷脸付费和刷脸乘车已经渗透到我们的日常生活中。有理由相信,凭借世界级的里德算法和自主开发的人工智能芯片,计算机视觉领域的下一个“杀手级应用”已经到来。

标题:AutoML+自研AI芯片,依图加速行人重识别(ReID)大规模商业化落地

地址:http://www.huangxiaobo.org/hqxw/114890.html

免责声明:环球商业信息网为互联网金融垂直领域下的创投、基金、众筹等项目提供信息资讯服务,本站更新的内容来自于网络,不为其真实性负责,只为传播网络信息为目的,非商业用途,如有异议请及时联系btr2031@163.com,环球商业信息网的编辑将予以删除。

返回顶部