近日，大華股份基于深度學習技術(shù)研發(fā)的目標檢測技術(shù)，刷新了KITTI 2D Object Detection (Pedestrian)競賽的全球最好成績，取得了人體目標檢測排行榜第一名，超越其它一流的AI公司和頂尖的學術(shù)研究機構(gòu)，以及ECCV和 CVPR最佳目標檢測研究成果，這標志著大華股份在目標檢測領(lǐng)域處于世界領(lǐng)先水平。

　　大華股份在AI的核心技術(shù)領(lǐng)域持續(xù)耕耘，不斷提升智能算法、算力的核心競爭力。這是大華股份繼2018年取得 KITTI國際競賽車輛目標檢測第一名之后，再次在人體目標檢測領(lǐng)域取得重大突破。前不久，大華股份行人多目標跟蹤技術(shù)在MOT Challenge國際測評中取得第一的好成績。

　　KITTI 數(shù)據(jù)集由德國卡爾斯魯厄理工學院和豐田美國技術(shù)研究院聯(lián)合創(chuàng)辦，是目前國際上最大的計算機視覺算法評測數(shù)據(jù)集之一。數(shù)據(jù)集用于評測立體圖像 (stereo)，光流 (optical flow)，視覺測距 (visual odometry)，物體檢測 (object detection) 和跟蹤 (tracking) 等計算機視覺技術(shù)在車載環(huán)境下的性能。KITTI 包含市區(qū)、鄉(xiāng)村和高速公路等場景采集的真實圖像數(shù)據(jù)，每張圖像中最多包含15輛車和30個行人，且存在不同程度的遮擋與截斷。

　　2D人體目標檢測任務(wù)

　　該任務(wù)中的行人數(shù)量多，且有大量遮擋截斷的情況，行人尺度、角度變化多，目標檢測難度較大。大華股份最終以78.29%的準確率位列第一。

　　本次競賽在大華自主研發(fā)的深度學習平臺上，汲取了 ResNet 等網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)點，改進了深度學習檢測算法框架，采用強化學習等訓練技巧，并運用多模型融合技術(shù)，大幅提升了遮擋目標和小目標的檢出率。

　　該競賽數(shù)據(jù)集的行人檢測效果圖如下： 行人檢測效果圖

　　本次競賽中使用的技術(shù)已經(jīng)在大華的客流分析、人群態(tài)勢、視頻結(jié)構(gòu)化解析、周界管理、智能交通等產(chǎn)品和解決方案上得到廣泛應(yīng)用。