近日，創(chuàng)新奇智憑借突破性的單目標(biāo)跟蹤算法，在通用單目標(biāo)跟蹤測評數(shù)據(jù)集GOT-10k（Generic Object Tracking Benchmark）上，以絕對優(yōu)勢獲得冠軍。

GOT-10K數(shù)據(jù)集由中科院發(fā)布，包括超過10000條取材于真實(shí)世界的視頻片段和560多個類別，超過150萬個手動標(biāo)記框，具備場景豐富、算法挑戰(zhàn)難度高等特點(diǎn)。

創(chuàng)新奇智奪冠的單目標(biāo)跟蹤算法，具有較強(qiáng)的魯棒性，有效克服了人或物在運(yùn)動中各種復(fù)雜因素的干擾。目前，該算法已成為創(chuàng)新奇智MatrixVision視頻智能平臺上的重要算法資產(chǎn)，正在工業(yè)安全生產(chǎn)和公共服務(wù)等領(lǐng)域發(fā)揮作用。

來源于：http://got-10k.aitestunion.com/leaderboard

關(guān)于GOT-10k數(shù)據(jù)集：

GOT-10K數(shù)據(jù)集由中國科學(xué)院自動化研究所CASIA的智能系統(tǒng)與工程研究中心發(fā)布并維護(hù)，是具有國際權(quán)威的通用單目標(biāo)跟蹤算法評測數(shù)據(jù)集。其中訓(xùn)練集由10000個視頻序列組成，全部取材于現(xiàn)實(shí)世界里移動的物體，包含563個目標(biāo)類別與87種運(yùn)動模式。物體的邊界框全部是手動標(biāo)記，總計(jì)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(yùn)動模式，且訓(xùn)練視頻與測試視頻之間所有的對象不重疊。

GOT-10K數(shù)據(jù)集是以WordNet英文詞匯數(shù)據(jù)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(xì)分成563個類別，不過這只是其中一個標(biāo)簽，另外一個標(biāo)簽是動作類別，共有87種運(yùn)動模式，極具挑戰(zhàn)性，吸引了海內(nèi)外廣大學(xué)者和知名學(xué)術(shù)機(jī)構(gòu)參與。

創(chuàng)新奇智跟蹤算法：

目標(biāo)跟蹤算法是為模擬人眼在目標(biāo)運(yùn)動估計(jì)和跟蹤方面的能力，給定一個目標(biāo)的初始位置，然后跟蹤算法會負(fù)責(zé)輸出后續(xù)幀中該物體的位置。同時，算法要克服物體在運(yùn)動中存在的諸如運(yùn)動模糊、運(yùn)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(chuàng)新奇智跟蹤算法能夠有效地解決上述問題，還具備超強(qiáng)的魯棒性。該算法以DIMP算法為骨干，首先使用孿生網(wǎng)絡(luò)來同時提取訓(xùn)練數(shù)據(jù)集和測試圖像的特征，然后加入一個模型優(yōu)化器，再加入背景信息對初始幀得到的卷積層進(jìn)行權(quán)重優(yōu)化，然后使用自研的損失函數(shù)能夠解決正負(fù)樣本不均衡的問題，同時讓優(yōu)化網(wǎng)絡(luò)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(wǎng)絡(luò)

跟蹤算法的落地應(yīng)用：

目標(biāo)跟蹤任務(wù)是計(jì)算機(jī)視覺領(lǐng)域的重要任務(wù)，廣泛使用在智能視頻監(jiān)控、工業(yè)視覺的安全生產(chǎn)等領(lǐng)域。該先進(jìn)算法已經(jīng)收錄在創(chuàng)新奇智MatrixVision視頻智能平臺上面。該平臺預(yù)先內(nèi)置圖像分類、物體檢測、圖像分割、目標(biāo)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(jīng)支持智慧工地，智慧園區(qū)，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(wù)。

責(zé)任編輯：PSY