近日，国家工程实验室发布NELIVA FAT-AI应用竞赛最新榜单，宇泛团队在Re-ID竞赛中以Rank-1（首位命中率）：0.80235，Map（平均查准率）：0.69775的成绩脱颖而出，夺得桂冠，展现出宇泛在社会数智化进程中日益精进的技术实力。
视频国家工程实验室（视频图像信息智能分析与共享应用技术国家工程实验室）是国家级创新平台，是我国在视频应用领域设置的最高级别实验室，在2020年拓展主办了线上NELIVA FAT-AI应用竞赛，旨在打造国家级AI赛道，指明视频AI发展方向，以推动我国视频分析深度应用。
在FAT-AI应用测试中，视频国家工程实验室组织了专业智能视频分析测评体系，测试集丰富、场景覆盖全面，这就意味着对数据以及模型的泛化性有着更严苛的要求，同时对测试结果的考量以及算法技术在实际情况的应用具有重要价值和评估意义。竞赛结果为我国各地视频分析系统建设规划、产品选型和部署应用提供参照依据。
近年来，迁移学习和对抗生成网络的出现，进一步促进了ReID的发展。宇泛凭借在计算机视觉领域的算法优势，不断深耕各类算法技术，面对ReID在实际落地中存在的困难，宇泛始终将其作为攻克的目标之一，以期推进该技术的进一步突破。
在此次竞赛项目中，宇泛团队针对测试集的多数人体信息遮挡情况，对训练集进行调整优化，同时着力于增强数据，通过反复测试，对各种策略进行调优。
针对ReID领域最棘手的泛化问题，宇泛团队采用了一种去显著特征数据增强和CircleSoftmax、IBN结构结合的解决方案，增强了模型的表征能力。
通过这种数据增强的方式，强制降低模型对衣服款式和颜色等显著特征的依赖，使模型自动挖掘这类显著特征之外的隐藏特征（如行人的体型、轮廓等整体特征，以及发型鞋帽等局部特征），从而极大提高了模型的泛化能力，同时对于体征信息部分遮挡的行人，团队采用了人体检测+人体固定区域随机裁剪的方法，提高了对这类人群的识别能力，最终在本次Re-ID竞赛中取得佳绩，推动ReID技术取得阶段性突破。然而成绩只是代表过去的努力得到了肯定，宇泛团队对于ReID技术的研究并不会止步于此。
宇泛算法团队成员天同表示：“目前ReID技术领域大多只停留在对行人的服饰等表面特征的识别，这些特征受场景、光线影响较大，而对于同一人穿着不同服饰情况的识别效果通常不尽人意。ReID技术如果要想进一步发展成熟，推进到场景落地中去，我们认为还需要深入对步态识别方向的研究。总之，任重而道远，这份荣誉会激励我们不断向新的高度迈进。”
跨镜追踪（ReID）技术主要用于解决跨摄像头跨场景下行人的识别与检索，通过该技术与人像识别的结合弥补摄像头的视觉局限，使之适应更多复杂场景的应用。ReID技术的发展也将使人工智能的应用水平提高到一个新阶段。
作为领军全球的全场景智慧城市AIoT服务商，宇泛多年来专注于自研和持续创新多项人工智能技术，并结合PaaS平台与硬件设备，将智能技术落地于实际的智慧场景。
宇泛通过对ReID算法框架优化，使算法效率显著提升，在展现宇泛扎实的AI算法根基的同时，也为智慧社区、智能园区、智慧酒店等数字城市治理细胞单元，以及更复杂的应用场景解决方案落地提供了更有力的技术支持。
今后，宇泛将继续秉承“用有思想的技术，创造无处不在的美好”的使命，通过不断整合AIoT平台优势，提升Edge边缘计算设备性能，在各领域开展推进合作与发展，打造产品+服务双轮驱动，为智能化时代的到来创造不竭动力。
