從博觀智能（Bresee）了解到，9月3日，繼CCF BDCI 多人種人臉識別經典賽奪冠后，博觀智能一周內在車輛重識別（Vehicle Re－identification）算法領域再次取得重大進展。在當今世界最大的車輛重識別數據集VERI－Wild上，博觀智能在首位命中率（Rank－1 Accuracy）、平均精度均值（Mean Average Precision，MAP）和MINP（Mean Inverse Negative penalty）三大指標上，均超越已公開的企業(yè)與科研機構，創(chuàng)造了新的世界紀錄。

車輛重識別（Vehicle ReID），是智能交通系統(tǒng)中至關重要的環(huán)節(jié)之一，可利用計算機視覺技術檢索不同監(jiān)控場下的圖像或者視頻序列中是否存在特定車輛，是人工智能在交通行業(yè)中應用最理想的技術 。

突破世界上最具挑戰(zhàn)的車輛重識別數據集

隨著深度學習技術的發(fā)展，車輛重識別算法性能顯著提升，但由于部分數據集的限制，使得現(xiàn)有的ReID模型在真實場景中的泛化能力可能存在問題。真實監(jiān)控情景中的車輛重識別仍然面臨高度視角差異、極端照明條件、復雜背景和不同的監(jiān)控來源等挑戰(zhàn)。

非受限場景車輛重識別數據集VERI－Wild的推出就致力于解決這些問題。VERI－Wild在2019年CVPR期間對外發(fā)布，此數據集從一個大型閉路電視監(jiān)控系統(tǒng)中跨越一個月（30×24h）捕獲，該系統(tǒng)由 174 個攝像機組成，分布在一個面積超過 200 平方公里的大型市區(qū)。數據集由40，671個車輛標識中的416，314張圖像，以及車輛的時間戳、品牌、顏色和車型等附加信息組成，是目前世界上最具挑戰(zhàn)的車輛重識別數據集。

車輛重識別的難點，包括因攝像機的拍攝角度、光照強度等不同，車輛存在遮擋、色差變化和車頭車尾角度不同等問題。針對此類難題，博觀智能算法團隊進行技術攻關突破，利用語義分割的方法提取車輛細粒度特征信息，如車燈、飾品、車標等，結合多任務學習預測車輛方向，有效解決了上述難題，實現(xiàn)在VERI－Wild三個不同難度數據集上刷新世界紀錄。

博觀智能（BreSee）是基于計算機視覺的人工智能科技創(chuàng)新型企業(yè)，開創(chuàng)了業(yè)內領先的人工智能算法開發(fā)平臺，擁有過硬的技術內核及自主研發(fā)能力，并具備行業(yè)級智能化算法交付能力，支持完成 1500 余項行業(yè)場景化 AI 項目交付：

博觀智能原創(chuàng)的 AdaptNet 深度網絡，在2017年、2018年分獲KITTI測評車道檢測算法世界第一、MOT Challenge全球競賽測評交通場景目標檢測世界第一；

2019年11月，博觀智能ReID算法在國際三大主流ReID數據集 Market1501、DukeMTMC－reID、CUHK03 上刷新世界紀錄，六大單項指標均為最高，同時刷新業(yè)內紀錄；

2020年9月，在中國計算機學會主辦的頂級賽事CCF 大數據與計算智能大賽——多人種人臉識別經典賽中，博觀智能刷新業(yè)內紀錄勇奪冠軍。

同月內，博觀智能車輛重識別（Vehicle Re－identification）算法在當今世界最大的車輛重識別數據集VERI－Wild上，再次刷新世界紀錄。