ITBear旗下自媒体矩阵:

Techo开发者大会丨腾讯优图:行人重识别技术方向(ReID)的前沿探索

   时间:2019-11-06 20:27:55 来源:互联网编辑:星辉 发表评论无障碍通道

11月6日,腾讯首届Techo开发者大会在北京召开。在 “云时代的人工智能平台及算法应用分论坛”上,腾讯优图高级研究员彭湃就《腾讯优图在行人重识别技术方向(ReID)的前沿探索》展开主题演讲,重点分析了行人重识别当前的现状与面临的挑战以及腾讯优图实验室在这一挑战性课题的前沿探索。与此同时,腾讯优图的VisionSeed和优图盒子也亮相首届腾讯Techo开发者大会展台。

(腾讯优图实验室高级研究员 彭湃)

Techo开发者大会由腾讯云发起,今年首次举办。本届大会为期两天,聚集来自全球5000多位开发者,邀请超150位业界大咖围绕前沿技术发展进行分享和交流,通过一场主论坛、18个技术方向分论坛和多场创新互动活动,为全球开发者搭建一个开放、中立、活跃的技术平台,助力于开发者的能力成长和实践创新。

当前计算机视觉技术的应用场景已经非常广泛,腾讯优图聚焦视觉AI技术,陆续在工业、医疗、教育、金融等行业输出AI能力。腾讯优图在通过视觉AI助推产业升级数字化升级的同时,也在不断探索如何让AI惠及社会大众,助力智慧生活建设。

弥补人脸识别缺陷,行人重识别产业化应用启动

彭湃以行人重识别算法为例,介绍了优图CV算法的技术突破和应用落地。行人重识别算法能够实现跨越时间和空间对目标人体(人群)进行跟踪、匹配与身份鉴定,也是近年来计算机视觉的研究热点之一。行人重识别可以简单理解为是对不同的、没有视野重叠覆盖的摄像机拍摄的行人图像建立对应关系的处理过程。它着力的是在跨摄像机的视频中对特定行人进行检索,弥补现有人脸识别系统中的不足之处,通过深度学习算法可以在人的背面、侧面或在人脸模糊不清的条件下,将一个人的行为轨迹还原,实现对目标人物的识别、检索和追踪。

随着行人重识别技术的不断成熟,其正在展现出巨大的应用价值。行人重识别算法能够对人体特征进行建模的特性,与部分行业对于对人体图像检索的需求相契合,以智能交通领域为例,相关系统的成功实施也依赖于鲁棒、高性能的行人重识别算法。

行人重识别技术业界一流,持续攻坚场景化落地

行人重识别技术有极高的应用价值,凭借多年技术探索和积累,腾讯优图行人重识别算法以达业界一流水准。优图研究团队自研提出了基于分块的金字塔深度网络模型,在三个行人重识别主流公开数据库——Market-1501、DukeMTMC-reid、CUHK03中均取得第一的成绩,具备当前学术界与工业界的顶尖性能,这一研究成果也被人工智能和计算机视觉领域顶级会议CVPR-2019接收。

(腾讯优图自研提出基于分块的金字塔模型,被CVPR-2019接收)

此次腾讯优图行人重识别算法的突破,推动了相关技术的进一步发展,并为在更多场景化领域的技术方案落地奠定了稳固基础。未来,腾讯优图的行人重识别算法将持续推进研究,有望在更多的场景落地,助力行业实现数字化转型升级。同时,这一技术还将被运用到更多等领域,助力智慧生活的建设。

值得一提的是,在Techo大会为期两天的技术狂欢中,腾讯优图VisionSeed和优图盒子也亮相展台,引得参会者驻足体验。

事实上,这并不是VisionSeed第一次公开亮相。在刚结束的2019ADM亚洲设计管理论坛暨生活创新展上,基于VisionSeed开发的AI互动小游戏“疯狂吃火锅”,凭借内置的人脸关键点定位技术,智能捕捉互动者脸部姿态,隔着屏幕张张嘴,屏幕里的火锅食材就纷纷落入锅内。将前沿AI技术用趣味化游戏的方式呈现,吸引了众多参会者的注意。此前,基于VisionSeed开发的防疲劳驾驶监测仪也曾亮相腾讯用户开放日上海站,成为现场一大亮点。

VisionSeed是由腾讯优图在2019世界人工智能大会上正式推出的人工智能视觉模组,内置优图AI算法与AI芯片,接入即可实现人脸检测、属性分析、姿态解算、人脸识别等功能,让普通开发者也可以探索丰富专业的AI能力,DIY各种智能产品。

(Techo开发者大会 腾讯优图展台)

彭湃表示,接下来,腾讯优图将在行人重识别技术方向继续探索,着力打通从检测到识别(ReID)端到端的优化过程、以及重点解决跨场景模型泛化性的问题。作为腾讯顶尖的人工智能实验室之一,腾讯优图以视觉AI技术为核心,专注人脸、人体、OCR等视觉AI领域的前沿研究和产品落地,研究成果多次在国际权威比赛(MegaFace、LFW、 ICDAR、MIREX 等)中刷新世界纪录。

举报 0 收藏 0 打赏 0评论 0
 
 
更多>同类资讯
全站最新
热门内容
网站首页  |  关于我们  |  联系方式  |  版权声明  |  网站留言  |  RSS订阅  |  违规举报  |  开放转载  |  滚动资讯  |  English Version