聯(lián)想包攬四項(xiàng)國(guó)際自動(dòng)駕駛挑戰(zhàn)賽冠軍，車(chē)計(jì)算技術(shù)進(jìn)展迅猛

　　近日，在歐洲計(jì)算機(jī)視覺(jué)國(guó)際會(huì)議（European Conference on Computer Vision, ECCV）2022自動(dòng)駕駛多目標(biāo)跟蹤挑戰(zhàn)賽上，憑借業(yè)界領(lǐng)先的技術(shù)實(shí)力，聯(lián)想集團(tuán)研究院自動(dòng)駕駛算法團(tuán)隊(duì)一舉包攬了該領(lǐng)域全部四個(gè)競(jìng)賽的冠軍。

　　這四個(gè)競(jìng)賽包括BDD100K多目標(biāo)跟蹤任務(wù) (MOT, Multiple Object Tracking)，多目標(biāo)跟蹤和分割任務(wù)（MOTS，Multiple Object Tracking and Segmentation)，基于自監(jiān)督學(xué)習(xí)的多目標(biāo)跟蹤任務(wù)（SSMOT，Self-supervised MOT），以及基于自監(jiān)督學(xué)習(xí)的多目標(biāo)跟蹤和分割任務(wù)（SSMOTS，Self-supervised MOTS）。歐洲計(jì)算機(jī)視覺(jué)國(guó)際會(huì)議（ECCV）與國(guó)際計(jì)算機(jī)視覺(jué)大會(huì)(ICCV)、計(jì)算機(jī)視覺(jué)和模式識(shí)別國(guó)際會(huì)議（CVPR）一起構(gòu)成了國(guó)際計(jì)算機(jī)視覺(jué)的三大頂會(huì)。6月，在CVPR2022會(huì)議上舉辦的BDD100K多目標(biāo)跟蹤挑戰(zhàn)賽上，聯(lián)想研究院一舉擊敗20多個(gè)國(guó)內(nèi)外頂尖團(tuán)隊(duì)，奪得MOT冠軍。至此，聯(lián)想研究院已拿下該領(lǐng)域今年6項(xiàng)冠軍中的5項(xiàng)。

　　BDD100K是業(yè)界知名自動(dòng)駕駛數(shù)據(jù)集，其中MOT和MOTS數(shù)據(jù)集涵蓋了各種駕駛場(chǎng)景。在復(fù)雜的路況模式下提供了高質(zhì)量的實(shí)例分割（顯示出每個(gè)物體的輪廓線(xiàn)），為真實(shí)場(chǎng)景中的跟蹤和分割算法提供了可靠的訓(xùn)練數(shù)據(jù)，其難點(diǎn)在于視頻幀率低，物體運(yùn)動(dòng)快、位移非常大。針對(duì)這一特點(diǎn)，在今年ECCV自動(dòng)駕駛論壇舉辦的BDD100K多目標(biāo)跟蹤挑戰(zhàn)賽中，聯(lián)想研究院的創(chuàng)新方案，ReIDTrack以多級(jí)檢測(cè)網(wǎng)絡(luò)CBNetV2作為檢測(cè)基準(zhǔn)方法，結(jié)合ByteTrack跟蹤方法對(duì)檢測(cè)結(jié)果進(jìn)行時(shí)域關(guān)聯(lián)。同時(shí)，ReIDTrack僅使用外觀特征來(lái)關(guān)聯(lián)對(duì)象，簡(jiǎn)單有效，可以在低幀速率下取得良好效果。

　　BDD100K MOT/MOTS數(shù)據(jù)集示例此次挑戰(zhàn)賽，除了常規(guī)MOT與MOTS競(jìng)賽，還增加了基于自監(jiān)督學(xué)習(xí)的多目標(biāo)跟蹤比賽。該競(jìng)賽不提供跟蹤標(biāo)簽，因此外觀模型不能再使用傳統(tǒng)的有監(jiān)督學(xué)習(xí)方法進(jìn)行訓(xùn)練。聯(lián)想研究院自動(dòng)駕駛算法團(tuán)隊(duì)通過(guò)對(duì)比學(xué)習(xí)的方法，在不使用跟蹤標(biāo)簽情況下，訓(xùn)練了新的外觀特征模型，不但滿(mǎn)足了自監(jiān)督學(xué)習(xí)的需求，而且提高了多目標(biāo)跟蹤的成績(jī)。同時(shí)，引入在時(shí)間維度上的檢測(cè)置信度權(quán)重來(lái)進(jìn)行外觀特征更新，增強(qiáng)了跟蹤軌跡的抗干擾能力。此外，聯(lián)想研究團(tuán)隊(duì)為ReIDTrack框架添加了分割網(wǎng)絡(luò)，使其支持多目標(biāo)跟蹤和分割任務(wù)（MOTS）。該方法采用兩階段訓(xùn)練的策略，首先使用大量的檢測(cè)框標(biāo)簽數(shù)據(jù)進(jìn)行MOT訓(xùn)練，然后將訓(xùn)練好的網(wǎng)絡(luò)針對(duì)少量的分割標(biāo)注數(shù)據(jù)進(jìn)行微調(diào)，微調(diào)后的網(wǎng)絡(luò)能更好地處理MOTS任務(wù)。

　　多目標(biāo)跟蹤技術(shù)的應(yīng)用  多目標(biāo)跟蹤是計(jì)算機(jī)視覺(jué)領(lǐng)域的關(guān)鍵技術(shù)之一，在自動(dòng)駕駛、智能監(jiān)控、行為識(shí)別等領(lǐng)域應(yīng)用非常廣泛。在事先不了解目標(biāo)數(shù)量的情況下，通過(guò)該技術(shù)，能夠?qū)σ曨l中的行人、汽車(chē)、動(dòng)物等多個(gè)目標(biāo)進(jìn)行檢測(cè)并賦予ID進(jìn)行軌跡跟蹤。不同的目標(biāo)擁有不同的ID，從而實(shí)現(xiàn)后續(xù)的軌跡預(yù)測(cè)、精準(zhǔn)查找等工作。在車(chē)計(jì)算領(lǐng)域，高效的多目標(biāo)跟蹤是實(shí)現(xiàn)高階自動(dòng)駕駛的關(guān)鍵技術(shù)之一。有了它，自動(dòng)駕駛的車(chē)輛能夠?qū)β访娴钠渌?chē)輛和行人進(jìn)行檢測(cè)跟蹤，基于它們的運(yùn)動(dòng)軌跡對(duì)接下來(lái)的車(chē)輛駕駛和行人行為進(jìn)行預(yù)測(cè)，并據(jù)此規(guī)劃自己的行駛軌跡，從而實(shí)現(xiàn)安全駕駛，減少碰撞事故的發(fā)生。

　　自動(dòng)駕駛場(chǎng)景下的多目標(biāo)跟蹤技術(shù)是聯(lián)想研究院技術(shù)研發(fā)的重點(diǎn)領(lǐng)域之一。多目標(biāo)跟蹤與分割任務(wù)是自動(dòng)駕駛視覺(jué)感知的一項(xiàng)重要算法，具有廣泛的應(yīng)用價(jià)值。為了促進(jìn)未來(lái)自動(dòng)駕駛系統(tǒng)的發(fā)展，多目標(biāo)跟蹤與分割所需的視覺(jué)識(shí)別模型應(yīng)該具備自我探索、自我訓(xùn)練和自我適應(yīng)的能力，能夠應(yīng)對(duì)各種新出現(xiàn)的地理環(huán)境、街道、城市、天氣狀況、物體標(biāo)簽、視角或異常場(chǎng)景。為此，聯(lián)想研究院自動(dòng)駕駛算法團(tuán)隊(duì)在自監(jiān)督學(xué)習(xí)、大規(guī)模預(yù)訓(xùn)練、弱監(jiān)督學(xué)習(xí)和增量/持續(xù)學(xué)習(xí)方面做出了許多努力，以持續(xù)改善視覺(jué)感知系統(tǒng)，使其脫離傳統(tǒng)的監(jiān)督學(xué)習(xí)的路徑，助力打造更好的自動(dòng)駕駛解決方案。

　　此前，聯(lián)想集團(tuán)已經(jīng)宣布進(jìn)軍車(chē)計(jì)算領(lǐng)域，致力于通過(guò)智能座艙、自動(dòng)駕駛算法等技術(shù)，助力汽車(chē)行業(yè)的智能化發(fā)展。此次包攬ECCV自動(dòng)駕駛多目標(biāo)跟蹤挑戰(zhàn)賽四項(xiàng)冠軍，有力地展示了聯(lián)想在車(chē)計(jì)算領(lǐng)域的技術(shù)實(shí)力。

　　轉(zhuǎn)自：C114通信網(wǎng)

　　【版權(quán)及免責(zé)聲明】凡本網(wǎng)所屬版權(quán)作品，轉(zhuǎn)載時(shí)須獲得授權(quán)并注明來(lái)源“中國(guó)產(chǎn)業(yè)經(jīng)濟(jì)信息網(wǎng)”，違者本網(wǎng)將保留追究其相關(guān)法律責(zé)任的權(quán)力。凡轉(zhuǎn)載文章及企業(yè)宣傳資訊，僅代表作者個(gè)人觀點(diǎn)，不代表本網(wǎng)觀點(diǎn)和立場(chǎng)。版權(quán)事宜請(qǐng)聯(lián)系：010-65363056。

延伸閱讀