10月27日-11月2日，在ICCV 2019 Workshop举办的 Vision Meets Drone: A Challenge(简称：VisDrone 2019)挑战赛上，云从科技研究院与中科院信息工程研究所葛仕明研究员团队(以下简称“联合研究团队”)获得了Task3“单目标跟踪挑战(SingleObjectTracking,SOT)”冠军，再次刷新此项目的世界纪录。
这是继今年三月份跨镜追踪(ReID)、3D人体重建技术、自然语言处理技术分别创造世界纪录后，云从科技在人工智能领域再一次领跑全球。同时，这也是云从科技第十四次获得世界冠军。
VisDrone2019 挑战赛
ICCV 2019国际计算机视觉大会由IEEE主办，与计算机视觉模式识别会议(CVPR)和欧洲计算机视觉会议(ECCV)并称计算机视觉方向的三大顶级会议，属于CCF A类会议。
此次VisDrone 2019(无人机目标检测)挑战赛，要从无人机获取的视觉数据中进行物体检测和跟踪，吸引了来自海内外知名高校、科研机构和企业，包括中科院、清华大学、马里兰大学、伊利诺伊大学厄巴纳-香槟分校、云从科技、三星研究院等近百支队伍参赛。
本届挑战赛包含了四个任务，联合研究团队参加了“任务3：单目标跟踪挑战”，最后在众多参赛队中脱颖而出获得冠军。
VisDrone 2019数据集由天津大学机器学习与数据挖掘实验室的AISKYEYE团队收集，全部基准数据集由无人机捕获，包括288个视频片段，总共包括261908帧和10209个静态图像。
这些帧由260多万个常用目标(如行人、汽车、自行车和三轮车)的手动标注框组成。为了让参赛队伍能够更有效地利用数据，数据集还提供了场景可见性、对象类别和遮挡等重要属性。
因此，本届赛题难点诸多。联合研究团队在“任务3：单目标跟踪挑战”中，不仅要处理训练集、验证集、测试集等大量数据，还要克服数据中的低分辨率、长期遮挡、相机运动模糊等困难。
任务3：单目标跟踪挑战
创造世界新纪录
经过反复训练与测试，联合研究团队最终提出了改进的精确目标状态估计算法：ED-ATOM。方法里面包含两个模块：目标估计和物体分类。
其中，目标估计模块使用IOU预测网络、ResNet-18网络和ImageNet等数据集来做预训练，同时使用低光照图像增强算法处理原始数据，离线精调模型后再在线基于跟踪状态的搜索策略改进鲁棒性。
物体分类模块则使用数据增强的方法，进行在线数据扩充，以便于分类模型的可推广性。同时基于跟踪状态的有效搜索策略，改进稳健性。
最终，结合IE(图像增强)、ED(通过增强数据训练的IOU预测网络)、DA(在线数据增强)、LT(长期跟踪)几种方法的ED-ATOM算法，取得了最优成绩，刷新了世界纪录。
运用微光图像增强方法实行暗部追踪训练，通过不同方法的测试，确定效果最佳方案;
运用数据扩充方案，在目标外观发生变化的情况下，通过翻转、平移、缩放、仿射、旋转、模糊等增强方法，提高跟踪自适应性;
在面对严重的不在视野和完全遮挡的跟踪情况下，使用长期跟踪方案，可以自适应搜索区域，提高跟踪稳健性。
通过ED-ATOM算法，我们可以实现在低分辨率、长期遮挡、摄像机运动/运动模糊等情况下的有效可视化，从而达到锁定目标、预判行动等效果。
高质量跟踪分数
该成果的取得是联合研究团队共同的努力，始终坚持人工智能在实际场景运用中的技术研究与创新。云从科技孵化自中科院重庆研究院，与中科院可谓一脉相承。
作为人工智能领域的智能服务领军企业，云从科技吸引并拥有全球最优秀的人才。在广州、重庆、上海、苏州、成都等地都成立了研发中心，研发人员超过1000名，提供了核心技术产品研发能力。同时与各大学、研究院等成立联合实验室，掌握最前沿的核心技术研发能力。雄厚的人才与技术储备，为云从科技再次创造世界纪录提供强大动力。
追求技术创新的同时，云从科技始终坚持技术场景化的落地应用。ED-ATOM算法的提出，对今后安防侦测、行人跟踪、安全检测等方面的产品研发，将发挥更有价值的作用。
例如在智能安防方面，云从科技研发的智能安防管理系统是一套以人为核心的基于物联网、人工智能和大数据技术的智能化应用系统。新算法的融合，让可能的移动端(无人机或者自主系统)上得到应用的机会大大提升。
随着无人机作为视觉数据采集设备已快速而广泛的部署到城市、农业、航空等应用领域，对无人机平台收集的视觉数据进行分析和理解的需求变得愈发迫切。云从科技参与单目标跟踪挑战赛的成果，不仅对计算机视觉甚至人工智能技术是进一步的推动，也对视频监控、人机交互、自动驾驶、虚拟现实等场景都具有重要意义。
今后，云从科技将继续以人工智能技术与人机协同平台为基础，通过行业领先的人工智能、认知计算与大数据技术形成的整合解决方案，促进泛在智能下的未来城市建设。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
