ABOUT US
官宣:一不小心我们刷了个第一,这次是ReID跨镜跟踪算法
这些年,人工智能视觉技术板块挺火的,而其中的人脸识别技术更是永远占据创投、科技媒体的头条,并在各大科技展会上霸屏。第一年感觉新鲜,第二年觉得套路没变,第三年除了精度提高了以外,似乎没啥新花样了。时至今日,人脸识别领域单纯的刷榜已无意义,AI小伙伴们重要的是沉下心来,在自己选好的领域里,踏踏实实地进一步优化技术,做出能为用户创造实际价值的产品方案来。
那么,接下来想炫技的话,该怎么办呢?强烈推荐ReID,Maybe它将成为AI视觉领域,继人脸识别之后,又一霸屏级存在。
ReID,英文全称Re-identification,中文里的人体重定位、跨镜跟踪、行人再识别都是它,是指通过穿着、体态、发型等在不确定的场景中能够再次识别是同一个人,并以此描绘出个体行进轨迹的AI视觉技术。从概念上,ReID年头不少了,早在2008年,文安智能董事长陶海博士与其学生D.Gray提出世界上第一个广泛使用的ReID数据库VIPeR,并研发出当时全球领先的相关算法。
但是ReID 与人脸识别相比,有着一个最大的不同。人脸的特征一般具有唯一性,而特征的唯一性愈高,单靠这个特征去查找或定义一个人就会更准确,也更容易。ReID 在这一块是完全无法比拟的,也就是难度系数更大。由于图像拍摄的时间、地点随机,且光线、角度、姿态不同,再加上行人容易受到检测精度、遮挡等因素的影响,ReID 的研究工作非常具有挑战性。它最终的目的是要能达到 1-to-1 匹配的状态。
任何能用到人的行动轨迹分析的场景,都有ReID的用武之地,典型的比如安防场景的敏感人群分析,零售场景的消费者行为分析等。
这些年,我们将要刷的榜
Public是公开发表的论文里最好的结果
VIONVISION是文安智能的最好结果(均为Reranking之前)
MSMT17、Market1501、DukeMTMC-ReID、CUHK03,ReID界影响力最大的“四大名库”,这次是轮到文安智能出头了。虽然目前没有权威的公开比对,但根据公开数据,四大数据库中,文安智能算法的结果在首位命中率(Rank-1 Accuracy)、平均精度均值(Mean Average Precision,mAP)两个核心指标上,均不同程度的领先于目前公开可见的最好水平。
PBSAN (Pose-Based Spatial Attention Networks)
这图看得小编是懵@着进来,懵@着出去,但他们的观点是,基于人体关键点的多粒度网络结构,为解决ReID问题提供了一个非常不错的思路。
什么叫离落地还有多远?为了这个问题,研发的小伙伴对小编Diss了半天。研发同学认为,秉承文安智能历来以面向实际应用为出发点的研发思路,我们的研发从来就是场景导向的,我们不是在落地,就是在落地的路上,刷刷榜只是顺带而为。经过他们的解释,在小编粗浅的理解里,ReID的实际应用,与场景内的人群数量级和场景本身的复杂度密切相关。事实上,在文安智能的智慧门店解决方案里面,已经有实际的应用,未来只会是越来越好,越来越靠谱。
欢迎有兴趣的关注哈!