2020年5月,紫光华智在麻省理工学院CSAIL研究组发起的MIT Scene Parsing Benchmark场景解析评测中,凭借创新的场景解析技术一举夺得排行榜首,并成功刷新国际最高分数,与此同时,榜上有名的还有来自多家国内外知名AI公司,顶级学术研究机构,以及ICCV、ECCV、CVPR等国际学术会议相关论文中的场景解析重要研究成果。

紫光华智(Unisinsight)位居MIT Scene Parsing Benchmark榜首

AI领域国际标杆,挑战性与权威性并存

在实际场景的视图数据中,往往面临目标结构复杂、遮挡/光照/视角差异巨大、图像质量不佳、类别不清易混淆等诸多难题,难以产生良好场景分割效果,容易形成大量错误分割,从而影响目标识别准确率。

作为AI关键技术之一,强大的场景解析技术能够解决复杂场景中各类常见难题,可广泛应用于行为分析、行人重识别(ReID)、自动驾驶、医学影像、智能交通等各类复杂现实场景。

MIT Scene Parsing Benchmark致力于为场景感知、场景解析、实例分割和语义理解等计算机视觉技术提供训练和性能标准化评估平台,该评测以场景目标复杂、目标尺度变化范围大等特点著称,经过多年发展,已经成为全球范围内最具挑战性、权威性、代表性的场景解析评测集,在AI相关技术领域受到广泛关注和高度认可,吸引着众多国际知名企业、学术研究机构集中参与。

变革者不破不立,以创新突破AI技术边界

为实现场景解析技术的创新与变革,紫光华智基于深度学习平台,充分应用上下文语义关联、局部/全局特征自适应融合、多尺度信息融合、掩码输出信息融合等技术手段构建了一套领先的全景分割框架,实现了场景分割像素准确率(pixel accuracy)、平均交并比(mean Iou)等关键技术指标的大幅提升,进而有效提高复杂场景下的目标检测、定位、识别精确度,最终超越榜单中的众多技术及学术团队,一举跃居排名榜首,并成功突破场景解析测评的全球记录。

重创新,更重实践,让AI深入实际场景应用

自成立以来,紫光华智始终紧密围绕客户需求和实战场景,持续加码AI算法研发力度,在公共安全领域,紫光华智创新研发的行人重识别(ReID)算法已达到业界领先水平,各类领先算法全面覆盖交通、城市、新零售等应用场景。

在交通场景,紫光华智场景解析技术的应用可有效提升斑马线、车道线、车道转向箭头、公交车专用车道、潮汐车道线、车辆、人员等信息识别率,出现交通堵塞时快速锁定拥堵车道,并将信息同步至管理后台,为交通管理提供技术支撑和决策依据。此外,当车辆未礼让行人情况出现,能够针对行人和车辆在斑马线上的位置分布进行智能判断,减少人工干预。另一方面,通过在复杂的交通场景中全面统计各个路口、各个车道,各个方向的人流、车流密度分布,助力缓解交通拥堵压力,提升交通出行效率。

城市交通场景道路目标分析

在城市场景,随着城市人口不断增加,人行道路承受的压力逐渐提升,经常有道路破损情况出现,在雨天形成“水地雷”,不仅给行人造成安全困扰,也影响城市市容市貌。紫光华智场景解析技术通过对破损路面或破损砖块进行特征提取,将数据迅速反馈至管理后台,通知管理部门及时修复破损道路,既能够加强市民出行安全保障,提升城市市容市貌,还可有效降低管理部门人力成本。

在新零售领域,由于商品种类繁多,目前零售场景几乎全部依靠人工进行上架管理,人工成本居高不下,且普遍面临补货不及时,无法及时掌控商品上架情况。紫光华智场景解析技术能够在复杂环境中精准识别各类商品货物,通过实时监测和智能管理,有效降低人工成本。此外,基于场景解析技术能够实现一系列智慧新零售系统应用,例如:对热卖商品区域进行数据采集和精准感知,有效防止商品偷盗情况出现;对到店人群行为特征、购物习惯等数据进行客流统计分析,助力智慧新零售转型升级。

除了交通、城市、新零售等领域以外,紫光华智也正积极布局更多业务场景,充分发挥自身AI算法技术优势,不断推进技术成果向现实生产力转化,打磨更多创新产品,满足更多业务需求,创造更多客户价值,以技术创新领航AI新时代。