0
10 月 27 日-11 月 2 日，在 ICCV 2019 Workshop 举办的 Vision Meets Drone: A Challenge（简称：VisDrone 2019）挑战赛上，云从科技研究院与中科院信息工程研究所葛仕明研究员团队（以下简称「联合研究团队」）获得了 Task3「单目标跟踪挑战（Single Object Tracking, SOT）」冠军。
VisDrone2019 挑战赛
ICCV 2019 国际计算机视觉大会由 IEEE 主办，与计算机视觉模式识别会议（CVPR）和欧洲计算机视觉会议（ECCV）并称计算机视觉方向的三大顶级会议，属于 CCF A 类会议。
此次 VisDrone 2019（无人机目标检测）挑战赛，要从无人机获取的视觉数据中进行物体检测和跟踪，吸引了来自海内外知名高校、科研机构和企业，包括中科院、清华大学、马里兰大学、伊利诺伊大学厄巴纳-香槟分校、云从科技、三星研究院等近百支队伍参赛。
本届挑战赛包含了四个任务，联合研究团队参加了「任务 3：单目标跟踪挑战」。
VisDrone 2019 数据集由天津大学机器学习与数据挖掘实验室的 AISKYEYE 团队收集，全部基准数据集由无人机捕获，包括 288 个视频片段，总共包括 261908 帧和 10209 个静态图像。
这些帧由 260 多万个常用目标（如行人、汽车、自行车和三轮车）的手动标注框组成。为了让参赛队伍能够更有效地利用数据，数据集还提供了场景可见性、对象类别和遮挡等重要属性。
因此，本届赛题难点诸多。联合研究团队在「任务 3：单目标跟踪挑战」中，不仅要处理训练集、验证集、测试集等大量数据，还要克服数据中的低分辨率、长期遮挡、相机运动模糊等困难。
任务 3：单目标跟踪挑战
处理方案
经过反复训练与测试，联合研究团队最终提出了改进的精确目标状态估计算法：ED-ATOM。方法里面包含两个模块：目标估计和物体分类。
其中，目标估计模块使用 IOU 预测网络、ResNet-18 网络和 ImageNet 等数据集来做预训练，同时使用低光照图像增强算法处理原始数据，离线精调模型后再在线基于跟踪状态的搜索策略改进鲁棒性。
物体分类模块则使用数据增强的方法，进行在线数据扩充，以便于分类模型的可推广性。同时基于跟踪状态的有效搜索策略，改进稳健性。
最终，结合 IE（图像增强）、ED（通过增强数据训练的 IOU 预测网络）、DA（在线数据增强）、LT（长期跟踪）几种方法的 ED-ATOM 算法，取得了最优成绩。
ED-ATOM 算法运用微光图像增强方法实行暗部追踪训练，通过不同方法的测试，确定效果最佳方案；
运用数据扩充方案，在目标外观发生变化的情况下，通过翻转、平移、缩放、仿射、旋转、模糊等增强方法，提高跟踪自适应性；
在面对严重的不在视野和完全遮挡的跟踪情况下，使用长期跟踪方案，可以自适应搜索区域，提高跟踪稳健性。
通过 ED-ATOM 算法，将可以实现在低分辨率、长期遮挡、摄像机运动/运动模糊等情况下的有效可视化，从而达到锁定目标、预判行动等效果。
跟踪分数
据了解，作为人工智能领域的智能服务企业，云从科技在广州、重庆、上海、苏州、成都等地都成立了研发中心，研发人员超过 1000 名，提供了核心技术产品研发能力。同时与各大学、研究院等成立联合实验室，掌握最前沿的核心技术研发能力。
雷锋网 AI 开发者雷锋网雷锋网
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
专题
