导读
同时，这也是云从科技第十四次获得世界冠军。
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。
|
|
|
|
图像增强 |
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。 |
|
数据扩充 |
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。 |
|
长期跟踪 |
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。
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，与信工所可谓一脉相承。
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。
