澎思科技宣布車輛再識(shí)別（Vehicle ReID）成績(jī)刷新世界紀(jì)錄

12月19日，澎思科技宣布其車輛再識(shí)別（Vehicle ReID）技術(shù)在非受限場(chǎng)景車輛再識(shí)別數(shù)據(jù)集VERI-Wild上的成績(jī)刷新世界紀(jì)錄，并打破了VCIP 2019車輛再識(shí)別大型挑戰(zhàn)賽的最好成績(jī)。

車輛再識(shí)別，也稱為車輛檢索，旨在找到不同監(jiān)控場(chǎng)景下的同一輛車，在智慧城市和公共安全方面有著廣泛的應(yīng)用前景，一直是計(jì)算機(jī)視覺領(lǐng)域研究的焦點(diǎn)。

據(jù)介紹，澎思科技基于自主研發(fā)的“全局和局部深度特征融合算法模型”，實(shí)現(xiàn)了車輛再識(shí)別算法關(guān)鍵指標(biāo)平均精度均值（Mean Average Precision，mAP）和首位命中率（Rank-1 Accuracy）的大幅度提升，在VERI-Wild數(shù)據(jù)集上平均精度均值mAP達(dá)到85.35%。

隨著深度學(xué)習(xí)技術(shù)的發(fā)展，車輛再識(shí)別算法效率顯著提升。然而現(xiàn)有數(shù)據(jù)集的限制過度簡(jiǎn)化了車輛再識(shí)別面臨的現(xiàn)實(shí)挑戰(zhàn)，使得基于大部分現(xiàn)有數(shù)據(jù)集開發(fā)和評(píng)估的ReID模型在真實(shí)場(chǎng)景中的泛化能力可能存在問題。真實(shí)監(jiān)控情景中的車輛再識(shí)別仍然面臨高度視角差異、極端照明條件、復(fù)雜背景和不同的攝像頭來源等挑戰(zhàn)。非受限場(chǎng)景車輛再識(shí)別數(shù)據(jù)集VERI-Wild的推出就致力于解決這些問題。

VERI-Wild與Vehicle ID、VeRI-776數(shù)據(jù)集的樣本比較

VERI-Wild是在2019年CVPR期間對(duì)外發(fā)布的車輛再識(shí)別數(shù)據(jù)集。該數(shù)據(jù)集由40,000個(gè)車輛標(biāo)識(shí)中的400,000張圖像以及諸如車輛品牌、顏色和車型等附加信息組成，這些信息可用于增強(qiáng)ReID框架的性能或作為獨(dú)立的采集任務(wù)。VERI-Wild數(shù)據(jù)集旨在應(yīng)對(duì)現(xiàn)有數(shù)據(jù)集在車輛標(biāo)識(shí)和圖像數(shù)量不夠大、攝像頭數(shù)量和覆蓋區(qū)域有限、攝像頭視角高度受限及光照度和天氣狀況沒有明顯變化等局限性問題，是目前最具挑戰(zhàn)的車輛再識(shí)別數(shù)據(jù)集。

據(jù)悉，早在2019年IEEE視覺通信和圖像處理國(guó)際會(huì)議(VCIP)期間舉辦的 Grand Challenges on Vehicle ReIdentification 車輛再識(shí)別大型挑戰(zhàn)賽上，澎思科技提出面向車輛再識(shí)別的全局和局部深度特征融合方法。

由于很多具有不同標(biāo)識(shí)的車輛有著極其相似的外觀，因此澎思算法團(tuán)隊(duì)通過各種不同的方法，利用車輛的具體部件，選取基于部件的特征來執(zhí)行模型預(yù)測(cè)。如此一來，模型便能更好地了解部件的獨(dú)有特征。

澎思科技提出的全局和局部深度特征融合方法

最近，澎思新加坡研究院車輛再識(shí)別算法團(tuán)隊(duì)考慮到ReID任務(wù)中采用特征向量（不采用分類層）來計(jì)算距離矩陣，進(jìn)而比較兩個(gè)圖像之間的相似性，分類缺失本身并不足以實(shí)現(xiàn)良好的模型訓(xùn)練。于是，團(tuán)隊(duì)又將深度度量學(xué)習(xí)（DML）應(yīng)用于最新模型中，使得類內(nèi)三聯(lián)體之間的距離小于（至少有某一差距）類間三聯(lián)體之間的距離，從而提升模型的性能表現(xiàn)。

經(jīng)過測(cè)試，澎思科技提出的車輛再識(shí)別算法模型在VERI-Wild不同大小的三個(gè)測(cè)試集中，性能遠(yuǎn)遠(yuǎn)優(yōu)于基線模型，平均精度均值mAP和首位命中率Rank-1實(shí)現(xiàn)大幅度提升，刷新世界紀(jì)錄。

[1] VERI-Wild: A Large Dataset and a New Method for Vehicle Re-Identification in the Wild

車輛再識(shí)別數(shù)據(jù)集VERI-WILD評(píng)估結(jié)果

同樣，澎思科技提供的數(shù)據(jù)顯示，該模型的表現(xiàn)也優(yōu)于VCIP 2019 Grand Challenges on Vehicle ReIdentification車輛再識(shí)別大型挑戰(zhàn)賽上排名第一的中科院自動(dòng)化所團(tuán)隊(duì)。

VCIP 2019車輛再識(shí)別大型挑戰(zhàn)賽測(cè)試集結(jié)果對(duì)比

今年，澎思科技在行人再識(shí)別（Person ReID）和基于視頻的行人再識(shí)別（Video-based Person ReID）先后取得突破。7月，澎思科技在行人再識(shí)別三大主流數(shù)據(jù)集測(cè)試Market1501、DukeMTMC-reID、CUHK03上算法關(guān)鍵指標(biāo)首位命中率（Rank-1 Accuracy）獲得業(yè)內(nèi)最好成績(jī)，刷新了世界紀(jì)錄。8月，澎思科技在基于視頻的行人再識(shí)別三大數(shù)據(jù)集PRID-2011，iLIDS-VID，MARS上同樣刷新世界紀(jì)錄，實(shí)現(xiàn)算法關(guān)鍵指標(biāo)大幅度提升。

此次澎思科技在車輛再識(shí)別（Vehicle ReID）非受限場(chǎng)景數(shù)據(jù)集下取得刷新世界紀(jì)錄的成績(jī)，未來澎思科技將逐步實(shí)現(xiàn)算法在平安城市、智慧交通等領(lǐng)域的落地應(yīng)用。