建站
咨詢
售后
建站咨詢
新聞中心
本文經(jīng)AI新媒體量子位（公眾號ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請聯(lián)系出處。
德國哲學(xué)家萊布尼茨曾表示世上沒有兩片完全相同的樹葉，這樣的差異性也意味著世界上每一個物體都有自己獨有的ID。如今，AI已經(jīng)逐漸掌握辨別物體細(xì)微差異的技能，從海量圖像中找到目標(biāo)物體。
8月6日，據(jù)記者了解，達摩院首次將Pure Transformer模型（下文簡稱為Transformer模型/結(jié)構(gòu)）引入目標(biāo)重識別任務(wù)中，該方法可以高效完成細(xì)粒度的圖像檢索任務(wù)，并超越其它AI算法，在準(zhǔn)確率和檢索時間上均取得了迄今為止最好的成績。該研究已被AI頂會ICCV 2021收錄，并斬獲CVPR 2021 AICity挑戰(zhàn)賽目標(biāo)重識別賽道冠軍，目前，該技術(shù)已正式向全球開發(fā)者開源。
達摩院算法斬獲CVPR 2021 AICity挑戰(zhàn)賽目標(biāo)重識別賽道冠軍
目標(biāo)重識別是計算機領(lǐng)域研究的新趨勢，據(jù)統(tǒng)計，目前每1000篇計算機視覺論文就有30篇和目標(biāo)重識別研究相關(guān)。不同于目標(biāo)檢測、目標(biāo)分割等任務(wù)，目標(biāo)重識別的難度更高。例如同一個物體會因為視角、光線、遮擋等因素而產(chǎn)生外觀差異，不同的物體在同樣的角度和光線下在視覺上的相似度極高，即便通過肉眼也很難克服這些干擾信息，如何區(qū)分這其中的差異并精準(zhǔn)找到目標(biāo)物體一直都是業(yè)界的難題。
過去幾年，AI研究人員逐步嘗試用深度學(xué)習(xí)CNN模型來解決該問題，但CNN模型在處理目標(biāo)重識別任務(wù)時容易丟失圖像部分細(xì)節(jié)信息，同時又無法有效挖掘圖像各特征的全局關(guān)聯(lián)性，從而導(dǎo)致其在復(fù)雜場景下的表現(xiàn)較差。此次，達摩院創(chuàng)新性將Pure Transformer模型應(yīng)用于目標(biāo)重識別任務(wù)中，并提出首個基于Pure Transformer結(jié)構(gòu)的ReID框架TransReID，該框架借助水平切塊思想提取更加豐富的細(xì)節(jié)特征，同時可通過不同模態(tài)信息的融合來解決視角差異問題。經(jīng)過測試顯示，該方法已在6個數(shù)據(jù)集上的成績超越了SOTA最好的算法成績。
圖：達摩院TransReID首先將圖片物理切割成若干個圖片小塊，每個圖片小塊經(jīng)過特征提取模塊提取各自的視覺特征，之后計算得到最終圖像的全局特征。此外該框架還能夠幫助模型克服相機帶來的外觀偏差以及提取更加魯棒的全局特征。
該項目研究負(fù)責(zé)人、達摩院算法專家羅浩表示：“過去Pure Transformer在NLP以及基礎(chǔ)視覺領(lǐng)域取得了較大成功，但在更加細(xì)粒度的圖像檢索任務(wù)上還未有過嘗試，達摩院此次研究引領(lǐng)了新的研究趨勢，這是行業(yè)的又一個里程碑?！?/p>
據(jù)悉，該技術(shù)的應(yīng)用前景廣闊，達摩院研究團隊表示未來會將該技術(shù)應(yīng)用于安全防護以及自然資源、動物保護等領(lǐng)域，例如通過算法來找回走失的珍稀動物。
標(biāo)題名稱：達摩院提出目標(biāo)重識別新范式，已向全球開發(fā)者開源
網(wǎng)站地址：http://www.5511xx.com/article/dhghigs.html
