<mark id="oztn4"></mark>
0
| 本文作者： 黃善清 | 2019-11-14 16:04 | 專題：ICCV 2019 |
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(zhàn)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(lián)合研究團隊」）獲得了 Task3「單目標跟蹤挑戰(zhàn)（Single Object Tracking, SOT）」冠軍。
VisDrone2019 挑戰(zhàn)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(zhàn)賽，要從無人機獲取的視覺數(shù)據(jù)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(yè)，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(zhàn)賽包含了四個任務，聯(lián)合研究團隊參加了「任務 3：單目標跟蹤挑戰(zhàn)」。
VisDrone 2019 數(shù)據(jù)集由天津大學機器學習與數(shù)據(jù)挖掘實驗室的 AISKYEYE 團隊收集，全部基準數(shù)據(jù)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(tài)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(shù)據(jù)，數(shù)據(jù)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(lián)合研究團隊在「任務 3：單目標跟蹤挑戰(zhàn)」中，不僅要處理訓練集、驗證集、測試集等大量數(shù)據(jù)，還要克服數(shù)據(jù)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(zhàn)
處理方案
經(jīng)過反復訓練與測試，聯(lián)合研究團隊最終提出了改進的精確目標狀態(tài)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(wǎng)絡、ResNet-18 網(wǎng)絡和 ImageNet 等數(shù)據(jù)集來做預訓練，同時使用低光照圖像增強算法處理原始數(shù)據(jù)，離線精調模型后再在線基于跟蹤狀態(tài)的搜索策略改進魯棒性。
物體分類模塊則使用數(shù)據(jù)增強的方法，進行在線數(shù)據(jù)擴充，以便于分類模型的可推廣性。同時基于跟蹤狀態(tài)的有效搜索策略，改進穩(wěn)健性。
最終，結合 IE（圖像增強）、ED（通過增強數(shù)據(jù)訓練的 IOU 預測網(wǎng)絡）、DA（在線數(shù)據(jù)增強）、LT（長期跟蹤）幾種方法的 ED-ATOM 算法，取得了最優(yōu)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(shù)據(jù)擴充方案，在目標外觀發(fā)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(qū)域，提高跟蹤穩(wěn)健性。
通過 ED-ATOM 算法，將可以實現(xiàn)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(shù)
據(jù)了解，作為人工智能領域的智能服務企業(yè)，云從科技在廣州、重慶、上海、蘇州、成都等地都成立了研發(fā)中心，研發(fā)人員超過 1000 名，提供了核心技術產(chǎn)品研發(fā)能力。同時與各大學、研究院等成立聯(lián)合實驗室，掌握最前沿的核心技術研發(fā)能力。
雷鋒網(wǎng) AI 開發(fā)者雷鋒網(wǎng)雷鋒網(wǎng)
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉載。詳情見轉載須知。
專題
