最近,创新奇智凭借其突破性的单目标跟踪算法,在通用的单目标跟踪评估数据集GOT-10k(GenericObjectTrackingBenchmark)上获得了绝对优势。
GOT-10K数据集由中国科学院发布。
它包括从现实世界中提取的10,000多个视频剪辑,560多个类别以及超过150万个手动标记的帧。
它具有场景丰富,算法挑战性强的特点。
奇智创新的单目标跟踪算法具有很强的鲁棒性,可以有效克服各种复杂因素对人或物体运动的干扰。
目前,该算法已成为创新的智智MatrixVision视频智能平台上的重要算法资产,并在工业安全生产和公共服务中发挥着重要作用。
来源:http://got-10k.aitestunion.com/leaderboard关于GOT-10k数据集:GOT-10K数据集是由中国科学院自动化研究所CASIA智能系统与工程研究中心发布和维护的。
科学。
它是国际权威的通用单目标跟踪算法评估数据集。
训练集包含10,000个视频序列,全部取自现实世界中的移动对象,包括563个目标类别和87个运动模式。
这些对象的边界框都被手动标记,总计超过150万个。
测试集由180个视频序列组成,包括84种运动对象和32种运动模式,并且训练视频和测试视频之间的所有对象都不重叠。
GOT-10K数据集是使用WordNet英语词汇数据库作为框架构建的,分为5类:动物,伪像,人物,自然物体和零件。
该类别进一步细分为563个类别,但这只是标签之一,另一个是动作类别。
共有87种运动模式,这些模式极具挑战性,吸引了国内外学者和知名学术机构的参与。
。
创新的Qizhi跟踪算法:目标跟踪算法是模拟人眼进行目标运动估计和跟踪的能力。
给定目标的初始位置,跟踪算法将负责在后续帧中输出对象的位置。
同时,该算法必须克服对象中存在的诸如运动模糊,运动遮挡,外观变化,照度变化和背景类似干扰等因素的影响,以获得良好的算法性能。
创新的Qizhi跟踪算法可以有效解决上述问题,并且具有超强的鲁棒性。
该算法使用DIMP算法作为骨干。
首先,使用暹罗网络同时提取训练数据集和测试图像的特征,然后添加模型优化器,并添加背景信息以优化从初始获得的卷积层的权重所建立的损失函数可以解决正负样本之间的不平衡问题,同时使优化的网络可以有效地提取前景和背景的特征,并做出可靠的判断。
DIMP网络跟踪算法的着陆应用:目标跟踪任务是计算机视觉领域的重要任务,已广泛应用于智能视频监控和工业视觉安全生产等领域。
此先进算法已包含在创新的Qizhi MatrixVision视频智能平台中。
该平台预先构建了多种算法,例如图像分类,目标检测,图像分割,目标跟踪等,可以快速,灵活地集成外部软件和硬件,使交付工作更轻松,同时允许各种操作。
功能算法,以更好地适应以上各种硬件平台。
目前,MatrixVision已支持6个边缘场景,例如智能建筑工地,智能公园,明亮的厨房和炉灶,智能加油站,智能防疫和智能电梯。
它提供了车牌识别和跟踪,明火烟雾检测,行人识别和跟踪,安全帽检测等多项检查任务。