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，再次刷新此项目的世界纪录。

这是继今年三月份跨镜追踪（ReID）、3D人体重建技术、自然语言处理技术分别创造世界纪录后，云从科技在人工智能领域再一次领跑全球。同时，这也是云从科技第十四次获得世界冠军。

VisDrone2019 挑战赛

ICCV2019 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”，最后在众多参赛队中脱颖而出获得冠军。

VisDrone2019 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

创造世界新纪录

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，刷新了世界纪录。

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，我们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。

高质量跟踪分数

该成果的取得是联合研究团队共同的努力，始终坚持人工智能在实际场景运用中的技术研究与创新。云从科技孵化自中科院重庆研究院，与中科院可谓一脉相承。

作为人工智能领域的智能服务领军企业，云从科技吸引并拥有全球最优秀的人才。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。雄厚的人才与技术储备，为云从科技再次创造世界纪录提供强大动力。

追求技术创新的同时，云从科技始终坚持技术场景化的落地应用。ED-ATOM算法的提出，对今后安防侦测、行人跟踪、安全检测等方面的产品研发，将发挥更有价值的作用。

例如在智能安防方面，云从科技研发的智能安防管理系统是一套以人为核心的基于物联网、人工智能和大数据技术的智能化应用系统。新算法的融合，让可能的移动端（无人机或者自主系统）上得到应用的机会大大提升。

随着无人机作为视觉数据采集设备已快速而广泛的部署到城市、农业、航空等应用领域，对无人机平台收集的视觉数据进行分析和理解的需求变得愈发迫切。云从科技参与单目标跟踪挑战赛的成果，不仅对计算机视觉甚至人工智能技术是进一步的推动，也对视频监控、人机交互、自动驾驶、虚拟现实等场景都具有重要意义。

今后，云从科技将继续以人工智能技术与人机协同平台为基础，通过行业领先的人工智能、认知计算与大数据技术形成的整合解决方案，促进泛在智能下的未来城市建设。

本文由站长之家用户投稿，未经站长之家同意，严禁转载。如广大用户朋友，发现稿件存在不实报道，欢迎读者反馈、纠正、举报问题（反馈入口）。

免责声明：本文为用户投稿的文章，站长之家发布此文仅为传递信息，不代表站长之家赞同其观点，不对对内容真实性负责，仅供用户参考之用，不构成任何投资、使用建议。请读者自行核实真实性，以及可能存在的风险，任何后果均由读者自行承担。