繼在三大主流單幀圖片行人再識別數(shù)據(jù)集、三大主流視頻行人再識別數(shù)據(jù)集刷新世界記錄后，近日，澎思科技(Pensees)再次在單幀圖片數(shù)據(jù)集(Market1501，DukeMTMC-reID，MSMT17)刷新世界紀(jì)錄，大幅提升了跨域ReID算法的準(zhǔn)確率。

　　本次，澎思科技創(chuàng)新性地將對抗生成網(wǎng)絡(luò)與自監(jiān)督學(xué)習(xí)算法結(jié)合進(jìn)行模型的訓(xùn)練，通過遷移學(xué)習(xí)，進(jìn)行高準(zhǔn)確率的跨場景(數(shù)據(jù)庫)行人再識別算法的研發(fā)，取得了突破性進(jìn)展，對于行人再識別技術(shù)在應(yīng)用場景中的落地具有重要的意義。

　　行人再識別面臨跨場景落地挑戰(zhàn)，澎思科技再度刷新三大數(shù)據(jù)集世界紀(jì)錄

　　行人再識別(ReID)算法能夠通過視頻監(jiān)控系統(tǒng)，在跨攝像頭的條件下檢索行人，大大拓展攝像資源的利用深度。特別在公共安全領(lǐng)域，ReID可以彌補(bǔ)人臉識別的局限，提升對特定人物的識別追蹤能力，并大大降低人力成本。然而相比人臉識別的百萬級數(shù)據(jù)庫，行人再識別面臨著數(shù)據(jù)量不足和復(fù)雜應(yīng)用場景變化的挑戰(zhàn)。因此，展開高準(zhǔn)確率的跨場景(數(shù)據(jù)庫)行人再識別算法研究對于行人再識別技術(shù)的應(yīng)用落地十分重要。

　　此次澎思科技刷新的ReID三大數(shù)據(jù)集，除了Market1501，DukeMTMC-reID兩大常見數(shù)據(jù)集之外，還包含了MSMT17數(shù)據(jù)集。MSMT17，即Multi-Scene Multi-Time，是在CVPR 2018上提出的一個更接近真實(shí)場景的大型數(shù)據(jù)集，涵蓋了多場景多時段，是目前最賦有挑戰(zhàn)性的綜合跨場景大數(shù)據(jù)集。與之前的數(shù)據(jù)集相比，該數(shù)據(jù)庫中行人和攝像頭數(shù)目更多，覆蓋場景更復(fù)雜，時間跨度更廣。因此，在該數(shù)據(jù)集下模型的表現(xiàn)更能體現(xiàn)出算法的實(shí)力。

　　最終，通過與目前最新的主流算法進(jìn)行對比，澎思科技的ReID算法無論在首位命中率(Rank-1 Accuracy)，還是平均精度均值(Mean Average Precision，mAP)上的表現(xiàn)都明顯更好，準(zhǔn)確率更高。

　　對抗生成網(wǎng)絡(luò)與自監(jiān)督學(xué)習(xí)算法結(jié)合，遷移學(xué)習(xí)取得創(chuàng)新性突破

　　澎思科技此次成果的取得源于澎思新加坡研究院對算法的自研創(chuàng)新和融合探索。本次，澎思科技創(chuàng)新性地將對抗生成網(wǎng)絡(luò)與自監(jiān)督學(xué)習(xí)算法結(jié)合進(jìn)行模型的訓(xùn)練，通過遷移學(xué)習(xí)，進(jìn)行高準(zhǔn)確率的跨場景(數(shù)據(jù)庫)行人再識別算法的研發(fā)，取得了突破性進(jìn)展。

　　對抗生成網(wǎng)絡(luò)在算法中主要有兩個功能：一方面，進(jìn)行數(shù)據(jù)庫的域遷移，具體為原域到目標(biāo)域的風(fēng)格遷移;另一方面，進(jìn)行目標(biāo)域數(shù)據(jù)庫的數(shù)據(jù)增強(qiáng)，具體為生成跨攝像頭數(shù)據(jù)并給模型賦予相機(jī)風(fēng)格不變的約束。

　　自監(jiān)督學(xué)習(xí)則是通過聚類的方式給目標(biāo)域數(shù)據(jù)庫打虛擬標(biāo)簽并微調(diào)之前訓(xùn)練好的網(wǎng)絡(luò)。

　　近年來，單域行人再識別(Single-Domain Person ReID)取得了巨大進(jìn)展，但與實(shí)際應(yīng)用場景的要求還存在較大差距，跨域行人再識別(Cross-Domain Person ReID)的研究意義愈發(fā)顯著。隨著人工智能的不斷發(fā)展演進(jìn)，如何通過自動遷移學(xué)習(xí)、自監(jiān)督學(xué)習(xí)、GAN等前沿技術(shù)實(shí)現(xiàn)模型優(yōu)化，成為跨域行人再識別的重要研究方向。

　　澎思科技長期以來就保持對行人再識別(ReID)算法的關(guān)注，此次創(chuàng)新性地通過遷移學(xué)習(xí)提升了目標(biāo)場景下的ReID性能，突破了行人再識別的落地應(yīng)用限制，真正發(fā)揮了ReID的算法作用和技術(shù)優(yōu)勢，為行人再識別算法在各類產(chǎn)品和應(yīng)用場景中的落地打下基礎(chǔ)。

　　未來，澎思科技將持續(xù)關(guān)注遷移學(xué)習(xí)、自監(jiān)督學(xué)習(xí)等學(xué)術(shù)前沿研究，加大在邊緣智能創(chuàng)新上的研發(fā)投入，為澎思AIoT生態(tài)體系的建設(shè)提供強(qiáng)有力的技術(shù)支持。同時，澎思科技也將積極推進(jìn)AI算法在實(shí)際應(yīng)用中的落地，關(guān)注不斷出現(xiàn)的新場景、新需求，讓AI服務(wù)社會生活的方方面面，驅(qū)動尖端AI技術(shù)向普惠性的智能服務(wù)持續(xù)進(jìn)化。