近日，在歐洲計算機視覺國際會議（European Conference on Computer Vision, ECCV）2022自動駕駛多目標跟蹤挑戰(zhàn)賽上，憑借業(yè)界領(lǐng)先的技術(shù)實力，聯(lián)想集團研究院自動駕駛算法團隊一舉包攬了該領(lǐng)域全部四個競賽的冠軍。
這四個競賽包括BDD100K多目標跟蹤任務(wù) (MOT, Multiple Object Tracking)，多目標跟蹤和分割任務(wù)（MOTS，Multiple Object Tracking and Segmentation)，基于自監(jiān)督學(xué)習(xí)的多目標跟蹤任務(wù)（SSMOT，Self-supervised MOT），以及基于自監(jiān)督學(xué)習(xí)的多目標跟蹤和分割任務(wù)（SSMOTS，Self-supervised MOTS）。
歐洲計算機視覺國際會議（ECCV）與國際計算機視覺大會(ICCV)、計算機視覺和模式識別國際會議（CVPR）一起構(gòu)成了國際計算機視覺的三大頂會。6月，在CVPR2022會議上舉辦的BDD100K多目標跟蹤挑戰(zhàn)賽上，聯(lián)想研究院一舉擊敗20多個國內(nèi)外頂尖團隊，奪得MOT冠軍。至此，聯(lián)想研究院已拿下該領(lǐng)域今年6項冠軍中的5項。
BDD100K是業(yè)界知名自動駕駛數(shù)據(jù)集，其中MOT和MOTS數(shù)據(jù)集涵蓋了各種駕駛場景。在復(fù)雜的路況模式下提供了高質(zhì)量的實例分割（顯示出每個物體的輪廓線），為真實場景中的跟蹤和分割算法提供了可靠的訓(xùn)練數(shù)據(jù)，其難點在于視頻幀率低，物體運動快、位移非常大。
針對這一特點，在今年ECCV自動駕駛論壇舉辦的BDD100K多目標跟蹤挑戰(zhàn)賽中，聯(lián)想研究院的創(chuàng)新方案，ReIDTrack以多級檢測網(wǎng)絡(luò)CBNetV2作為檢測基準方法，結(jié)合ByteTrack跟蹤方法對檢測結(jié)果進行時域關(guān)聯(lián)。同時，ReIDTrack僅使用外觀特征來關(guān)聯(lián)對象，簡單有效，可以在低幀速率下取得良好效果。
BDD100K MOT/MOTS數(shù)據(jù)集示例
此次挑戰(zhàn)賽，除了常規(guī)MOT與MOTS競賽，還增加了基于自監(jiān)督學(xué)習(xí)的多目標跟蹤比賽。該競賽不提供跟蹤標簽，因此外觀模型不能再使用傳統(tǒng)的有監(jiān)督學(xué)習(xí)方法進行訓(xùn)練。聯(lián)想研究院自動駕駛算法團隊通過對比學(xué)習(xí)的方法，在不使用跟蹤標簽情況下，訓(xùn)練了新的外觀特征模型，不但滿足了自監(jiān)督學(xué)習(xí)的需求，而且提高了多目標跟蹤的成績。同時，引入在時間維度上的檢測置信度權(quán)重來進行外觀特征更新，增強了跟蹤軌跡的抗干擾能力。
此外，聯(lián)想研究團隊為ReIDTrack框架添加了分割網(wǎng)絡(luò)，使其支持多目標跟蹤和分割任務(wù)（MOTS）。該方法采用兩階段訓(xùn)練的策略，首先使用大量的檢測框標簽數(shù)據(jù)進行MOT訓(xùn)練，然后將訓(xùn)練好的網(wǎng)絡(luò)針對少量的分割標注數(shù)據(jù)進行微調(diào)，微調(diào)后的網(wǎng)絡(luò)能更好地處理MOTS任務(wù)。
多目標跟蹤技術(shù)的應(yīng)用
多目標跟蹤是計算機視覺領(lǐng)域的關(guān)鍵技術(shù)之一，在自動駕駛、智能監(jiān)控、行為識別等領(lǐng)域應(yīng)用非常廣泛。在事先不了解目標數(shù)量的情況下，通過該技術(shù)，能夠?qū)σ曨l中的行人、汽車、動物等多個目標進行檢測并賦予ID進行軌跡跟蹤。不同的目標擁有不同的ID，從而實現(xiàn)后續(xù)的軌跡預(yù)測、精準查找等工作。
在車計算領(lǐng)域，高效的多目標跟蹤是實現(xiàn)高階自動駕駛的關(guān)鍵技術(shù)之一。有了它，自動駕駛的車輛能夠?qū)β访娴钠渌囕v和行人進行檢測跟蹤，基于它們的運動軌跡對接下來的車輛駕駛和行人行為進行預(yù)測，并據(jù)此規(guī)劃自己的行駛軌跡，從而實現(xiàn)安全駕駛，減少碰撞事故的發(fā)生。
自動駕駛場景下的多目標跟蹤技術(shù)是聯(lián)想研究院技術(shù)研發(fā)的重點領(lǐng)域之一。多目標跟蹤與分割任務(wù)是自動駕駛視覺感知的一項重要算法，具有廣泛的應(yīng)用價值。為了促進未來自動駕駛系統(tǒng)的發(fā)展，多目標跟蹤與分割所需的視覺識別模型應(yīng)該具備自我探索、自我訓(xùn)練和自我適應(yīng)的能力，能夠應(yīng)對各種新出現(xiàn)的地理環(huán)境、街道、城市、天氣狀況、物體標簽、視角或異常場景。為此，聯(lián)想研究院自動駕駛算法團隊在自監(jiān)督學(xué)習(xí)、大規(guī)模預(yù)訓(xùn)練、弱監(jiān)督學(xué)習(xí)和增量/持續(xù)學(xué)習(xí)方面做出了許多努力，以持續(xù)改善視覺感知系統(tǒng)，使其脫離傳統(tǒng)的監(jiān)督學(xué)習(xí)的路徑，助力打造更好的自動駕駛解決方案。
此前，聯(lián)想集團已經(jīng)宣布進軍車計算領(lǐng)域，致力于通過智能座艙、自動駕駛算法等技術(shù)，助力汽車行業(yè)的智能化發(fā)展。此次包攬ECCV自動駕駛多目標跟蹤挑戰(zhàn)賽四項冠軍，有力地展示了聯(lián)想在車計算領(lǐng)域的技術(shù)實力。
想要了解聯(lián)想車計算的最新進展，敬請關(guān)注即將于11月9日舉辦的聯(lián)想創(chuàng)新科技大會主論壇以及車計算分論壇！ 
