近日，大華股份基于深度學習的視覺目標跟蹤算法，在通用目標跟蹤評測集GOT-10k(Generic Object Tracking Benchmark)上獲得綜合精度排行榜第一，超越了其它一流AI公司和頂尖的學術研究機構;同時在OTB2015/VOT2018/VOT2019數(shù)據(jù)集上刷新了當前跟蹤算法SOTA(state-of-the-art)標準，這標志著大華在視覺目標跟蹤領域處于領先水平。
關于GOT-10k
GOT-10k數(shù)據(jù)集由中國科學院自動化研究所CASIA的智能系統(tǒng)與工程研究中心發(fā)布并維護，是具有國際權威的通用目標跟蹤算法評測數(shù)據(jù)集。其中，訓練集由10000個視頻序列組成，包含563個目標類別與87種運動模式;測試集由180個視頻序列組成，包含84個目標類別與32種運動模式。訓練集與測試集的目標類別不重合，且算法評估時要求使用統(tǒng)一的訓練數(shù)據(jù)，極具挑戰(zhàn)性，吸引了海內(nèi)外廣大學者和知名學術機構參與。
關于視覺目標跟蹤算法
該算法是為模擬人眼在目標運動估計及跟蹤方面的能力，給定任意目標的初始位置，跟蹤算法負責輸出后續(xù)幀中該目標的位置與分布狀態(tài)，同時要適應相機視角變化、環(huán)境變化、遮擋物、周邊干擾物等因素的影響，可廣泛應用于智能視頻監(jiān)測、輔助駕駛系統(tǒng)、人機交互、機器人視覺導航等領域。
在本次國際測評中，為實現(xiàn)復雜環(huán)境下對運動目標的準確跟蹤，大華股份RSIA團隊創(chuàng)新使用特征點集取代矩形框進行目標狀態(tài)估計，進而實現(xiàn)精細化的目標區(qū)域表述與幾何變換建模能力;在算法框架上使用并行分支結構，結合多層聚合策略，有效獲取目標結構信息與對抗干擾物的強魯棒性。
在大華實際產(chǎn)品中的應用
大華股份AI榮獲視覺目標跟蹤算法評測全球排名第一
（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。 ）
