杭州2018年9月14日电 /美通社/ -- 继大华股份AI斩获人体检测国际竞赛第一名之后，近日，大华股份基于深度学习技术研发的目标分割技术，又刷新了KITTI Road/Lane Detection (UM_ROAD)竞赛的全球较好成绩，取得了道路场景下目标分割排行榜第一名，超越其它一流的AI公司和顶尖的学术研究机构，以及ICCV较佳目标分割研究成果，这标志着大华股份在目标分割的智能算法领域处于世界领先水平。
大华股份在AI的核心技术领域持续耕耘，不断提升智能算法、算力的核心竞争力。经过长期的技术积累，大华股份在2017年文字检测和识别、场景流识别等领域分别取得第一；2018年在2D车辆目标检测、MOT跟踪、Pedestrian等国际竞赛中分别取得第一，本次在目标分割算法领域又取得了新突破。
关于KITTI
KITTI数据集由德国卡尔斯鲁厄理工学院和丰田美国技术研究院联合创办，是目前国际上较大的计算机视觉算法评测数据集之一。数据集用于评测立体图像(stereo)，光流(optical flow)，视觉测距(visual odometry)，物体检测(object detection)和跟踪(tracking)，道路分割(road)，语义分割(semantics)等计算机视觉技术的性能。KITTI包含市区、乡村和高速公路等场景采集的真实图像数据，每张图像中最多包含15辆车和30个行人，且存在不同程度的遮挡与截断。
可行驶区域道路分割任务（Road/Lane Detection）
该比赛任务为KITTI可行驶区域的道路分割任务，需要把各种场景下的可行驶区域分割出来，同时场景中存在各种遮挡和阴影，并且要求精确度达到像素级别。该训练集有289张数据，采用小样本学习方案。
本次国际比赛在大华股份自主研发的深度学习平台上，采用迁移学习的方法，借鉴Deeplabv3+、U-net、Hed等经典框架的优点，重点对U-Net、Hed边缘检测算法进行了改进，并应用多尺度测试和多模型融合技术，提高了检出率和召回率。
该项国际竞赛数据集的道路分割效果结果：
在大华实际产品和未来产品中的应用
本次竞赛中使用的技术已经在大华的新零售、智能交通等产品和解决方案上得到广泛应用，可以实现基于检测目标的像素级图像分割，大幅提升目标的检测性能，尤其是在遮挡场景下智能算法的检测能力。
新零售场景
采用目标分割技术，可以实现商品像素级的区域检测，高效捕获不同角度摆放或存在重叠遮挡的商品，从而提升货架上不同种类的商品识别率。
智能交通场景
采用目标分割技术，在道路上可以精准获取车辆的边界，提升视频结构化解析服务器、车辆大数据等产品的核心竞争力。
