6月23日，全球顶级的国际计算机视觉与模式识别会议CVPR落下帷幕。据主办方公布的数据，此次大会有近万人注册参会，其中 5641 人现场参会，4340 人以线上方式参会。

在CVPR 2022 BDD100K MOT挑战赛中，联想研究院团队基于Tracking-by-detection追踪框架，提出了一种ReidTrack的创新方案。该方案平均多目标跟踪准确度（mMOTA）超过了苏黎世联邦理工学院、伯克利大学、卡内基梅隆大学等20多个国内外团队，夺得第一名。

多目标跟踪（Multiple Object Tracking, 简称MOT）技术是计算机视觉领域的重要研究方向，主要是通过先进的检测和跟踪算法对各种目标进行高效的轨迹跟踪，在很多实际的场景中有着广泛的应用。自动驾驶场景下的多目标跟踪技术是联想研究院技术研发的重要领域之一。

在安全视频监控领域，在特定区域，多目标跟踪技术可以对行人以及其他物体进行轨迹追踪和统计分析，从而提供各种各样的智能化服务。例如，行人异常行为或者安全隐患预警等。在车载计算领域，高效的多目标跟踪技术是实现高阶自动驾驶的关键技术之一。它能够让自动驾驶的车辆对路面的其他车辆和行人进行检测跟踪，基于它们的运动轨迹对接下来的车辆驾驶和行人行为进行预测，并据此规划自己的行驶轨迹，实现安全驾驶，避免发生碰撞事故。

该挑战赛由苏黎世联邦理工学院在CVPR2022自动驾驶论坛上发起，基于BDD100K 自动驾驶数据集，最终评价指标为道路上常见的8种物体的平均MOTA（多目标跟踪准确度），这些物体包括行人、骑手、小轿车、皮卡、公交车、火车、摩托车和自行车等。

此外，凭借相同的技术优势，在5月的Waymo 开放数据集MOT(2D Tracking) 排行榜中，联想研究院成功超过斯坦福、伯克利以及新势力汽车和AI公司等团队荣获冠军。

Waymo开放数据集和BDD100K数据集是目前自动驾驶领域最权威的数据集。Waymo开放数据集包含了1000个场景用于训练和验证，150个场景用于测试。而BDD100K是自动驾驶场景下多样化数据集，采用前置高清摄像头采集欧美常见道路上的感知数据，并对路面上常见的8种物体类别进行高质量的标注。BDD100K MOT 子数据集包含 2000个在不同天气、时间以及场景下完全标注的时间片段，包含 16万个实例以及400万物体。

车计算已经成为联想重要的研发领域之一。当前，联想研究院正在布局虚拟化技术，混合内核技术和AI模型加速等技术，以打造软硬一体的异构架构车计算基础平台。