行人檢測作為計算機視覺(jué)L域基本的主題之一，多年來(lái)被廣泛研究。盡管先進(jìn)的行人檢測器已在無(wú)遮擋行人上取得了超過(guò) 90% 的準確率，但在嚴重遮擋行人檢測上依然無(wú)法達到滿(mǎn)意的效果。究其根源，主要存在以下兩個(gè)難點(diǎn)：
嚴重遮擋的行人框大部分為背景，檢測器難以將其與背景類(lèi)別區分；
給定一個(gè)遮擋行人框，檢測器無(wú)法得到可見(jiàn)區域的信息；
Tube Feature Aggregation Network（TFAN）新方法，即利用時(shí)序信息來(lái)輔助當前幀的遮擋行人檢測，目前該方法已在 Caltech 和 NightOwls 兩個(gè)數據集取得了業(yè)界L先的準確率。
核心思路
利用時(shí)序信息輔助當前幀遮擋行人檢測
目前大部分行人檢測工作都集中于靜態(tài)圖像檢測，但在實(shí)際車(chē)路環(huán)境中大部分目標都處于運動(dòng)狀態(tài)。針對嚴重遮擋行人的復雜場(chǎng)景，單幀圖像難以提供足夠有效的信息。為了優(yōu)化遮擋場(chǎng)景下行人的識別，地平線(xiàn)團隊提出通過(guò)相鄰幀尋找無(wú)遮擋或少遮擋目標，對當前圖像中的遮擋行人識別進(jìn)行輔助檢測。
實(shí)驗新方法
Proposal tube 解決嚴重遮擋行人檢測
如下圖，給定一個(gè)視頻序列，首先對每幀圖像提取特征并使用 RPN（Region Proposal Network）網(wǎng)絡(luò )生成 proposal 框。從當前幀的某個(gè) proposal 框出發(fā)，依次在相鄰幀的空間鄰域內尋找相似的proposal框并連接成 proposal tube。
姚霆指出，當前的多模態(tài)技術(shù)還是屬于狹隘的單任務(wù)學(xué)習，整個(gè)訓練和測試的過(guò)程都是在封閉和靜態(tài)的環(huán)境下進(jìn)行，這就和真實(shí)世界中開(kāi)放動(dòng)態(tài)的應用場(chǎng)景存在一定的差異性
優(yōu)酷智能檔突破“傳統自適應碼率算法”的局限，解決視頻觀(guān)看體驗中G清和流暢的矛盾
通過(guò)使用仿真和量化指標，使基準測試能夠通用于許多操作L域，但又足夠具體，能夠提供系統的有關(guān)信息
基于內容圖譜結構化特征與索引更新平臺，在結構化方面打破傳統的數倉建模方式，以知識化、業(yè)務(wù)化、服務(wù)化為視角進(jìn)行數據平臺化建設，來(lái)沉淀內容、行為、關(guān)系圖譜，目前在優(yōu)酷搜索、票票、大麥等場(chǎng)景開(kāi)始進(jìn)行應用
NVIDIA解決方案架構師王閃閃講解了BERT模型原理及其成就，NVIDIA開(kāi)發(fā)的Megatron-BERT
自然語(yǔ)言處理技術(shù)的應用和研究L域發(fā)生了許多有意義的標志性事件，技術(shù)進(jìn)展方面主要體現在預訓練語(yǔ)言模型、跨語(yǔ)言 NLP/無(wú)監督機器翻譯、知識圖譜發(fā)展 + 對話(huà)技術(shù)融合、智能人機交互、平臺廠(chǎng)商整合AI產(chǎn)品線(xiàn)
下一個(gè)十年，智能人機交互、多模態(tài)融合、結合L域需求的 NLP 解決方案建設、知識圖譜結合落地場(chǎng)景等將會(huì )有突破性變化
中國移動(dòng)聯(lián)合產(chǎn)業(yè)合作伙伴發(fā)布《室內定位白皮書(shū)》，對室內定位產(chǎn)業(yè)發(fā)展現狀及面臨的挑戰，深入分析了垂直行業(yè)的室內定位需求，并詳細闡述了實(shí)現室內定位的技術(shù)原理， 及室內定位評測體系
機器人、無(wú)人機、自動(dòng)駕駛汽車(chē)等加快落地，智慧城市深入建設，更是為傳感器產(chǎn)業(yè)帶來(lái)了難以估量的龐大機遇
Cosero是德國波恩大學(xué)的Sven Behnke團隊根據家庭環(huán)境中的日常操作任務(wù)而研制的一款仿人操作機器人基于深度學(xué)習方法的目標姿態(tài)估計和RGB-D SLAM等感知測量
機器人的學(xué)習分為三個(gè)部分的軌跡預測包括示教者的手部運動(dòng)軌跡、示教者的身體移動(dòng)軌跡以及被操作物體的運動(dòng)軌跡
通過(guò)2D激光雷達信息采用Hector SLAM實(shí)現機器人對地圖的感知和自主導航規劃，通過(guò)D部的RGB-D相機采集目標物體深度和RGB圖像信息
