宇视AI算法刷新MOT世界记录 实战部署

2019年3月，宇视科技（uniview）计算机视觉与深度学习算法在Multiple Object Tracking (MOT) Challenge全球竞赛刷新最好成绩，在MOT最新的数据集MOT17Det中，将交通场景目标检测的AP提高至0.89X，呈现最高识别准确率与最低误报率，以第一名打破腾讯优图、商汤等AI算法名企创下的记录。

图 宇视算法突破高人流密度与遮挡等痛点，实战部署多场景，位列MOT Challenge多目标行人目标

MOT Challenge是国际多目标检测跟踪领域最权威的测评平台，评测多行人对象在复杂场景下进行同时检测及跟踪的算法性能。MOT竞赛每年举办，是世界各大AI研究机构、企业、高校角逐之地，MOT17Det采集自不同场景和多个拍摄角度下的素材，覆盖各种复杂情况、待检测目标，涉及欠曝和过曝场景、微小目标、目标被大量遮挡等。打榜的宇视算法AdaptNet 1.2版本，主要改进点为：

- 在已有的深度神经网络的基础上，融合了多尺度深度特征，提升对微小目标的表达能力。

- 提出了一种新的基于最大类间距的损失函数，可以提升目标遮挡情况下的检测精度。

- 采用一种新的注意力机制，进一步提升过曝和欠曝等难检目标的检出率。

专攻人工智能科目的宇视研发副总裁谢会斌表示：“本次取得排名世界第一，验证了我们AdaptNet网络模型的有效。宇视内部AI算法各团队代号以猫科动物命名，此次打榜的是‘陆虎’小组。2017年，宇视在KITTI评测中获得世界第一，侧重的是车道检测。优秀算法模型的产生，不仅是在实验室中的研究氛围和论文产出、集群算力投入，宇视引以为豪的还有在实战部署的项目中检验迭代。”

2019年以来，AdaptNet已运用于宇视前后端AI系列产品，如『天目』卡口/电警、『函谷』人脸/人体抓拍机、行业款『昆仑』数据结构化服务器等。安防+AI大规模部署，宇视将传统AI三要素演进为六要素：算法、算力、数据，产品、工程、方案，从IMOS操作系统到六山两关，实现了全系列AI产品在雪亮、平安、交通、企业、教育、金融等多场景的落地，以实战成果守护安全美好生活。

图 宇视全系列AI产品以中国关山命名，六山两关产品中，仅『昆仑』重器就部署超过300个项目