从博观智能(Bresee)了解到，9月3日，继CCF BDCI 多人种人脸识别经典赛夺冠后，博观智能一周内在车辆重识别(Vehicle Re-identification)算法领域再次取得重大进展。在当今世界的车辆重识别数据集VERI-Wild上，博观智能在首位命中率(Rank-1 Accuracy)、平均精度均值(Mean Average Precision，MAP)和MINP(Mean Inverse Negative penalty)三大指标上，均超越已公开的企业与科研机构，创造了新的世界纪录。
车辆重识别(Vehicle ReID)，是智能交通系统中至关重要的环节之一，可利用计算机视觉技术检索不同监控场下的图像或者视频序列中是否存在特定车辆，是人工智能在交通行业中应用最理想的技术 。
突破世界上最具挑战的车辆重识别数据集
随着深度学习技术的发展，车辆重识别算法性能显著提升，但由于部分数据集的限制，使得现有的ReID模型在真实场景中的泛化能力可能存在问题。真实监控情景中的车辆重识别仍然面临高度视角差异、极端照明条件、复杂背景和不同的监控来源等挑战。
非受限场景车辆重识别数据集VERI-Wild的推出就致力于解决这些问题。VERI-Wild在2019年CVPR期间对外发布，此数据集从一个大型闭路电视监控系统中跨越一个月(30×24h)捕获，该系统由 174 个摄像机组成，分布在一个面积超过 200 平方公里的大型市区。数据集由40,671个车辆标识中的416,314张图像，以及车辆的时间戳、品牌、颜色和车型等附加信息组成，是目前世界上最具挑战的车辆重识别数据集。
车辆重识别的难点，包括因摄像机的拍摄角度、光照强度等不同，车辆存在遮挡、色差变化和车头车尾角度不同等问题。针对此类难题，博观智能算法团队进行技术攻关突破，利用语义分割的方法提取车辆细粒度特征信息，如车灯、饰品、车标等，结合多任务学习预测车辆方向，有效解决了上述难题，实现在VERI-Wild三个不同难度数据集上刷新世界纪录。
博观智能(BreSee)是基于计算机视觉的人工智能科技创新型企业，开创了业内领先的人工智能算法开发平台，拥有过硬的技术内核及自主研发能力，并具备行业级智能化算法交付能力，支持完成 1500 余项行业场景化 AI 项目交付：
博观智能原创的 AdaptNet 深度网络，在2017年、2018年分获KITTI测评车道检测算法世界第一、MOT Challenge全球竞赛测评交通场景目标检测世界第一;
2019年11月，博观智能ReID算法在国际三大主流ReID数据集 Market1501、DukeMTMC-reID、CUHK03 上刷新世界纪录，六大单项指标均为高，同时刷新业内纪录;
2020年9月，在中国计算机学会主办的顶级赛事CCF 大数据与计算智能大赛——多人种人脸识别经典赛中，博观智能刷新业内纪录勇夺冠军。
同月内，博观智能车辆重识别(Vehicle Re-identification)算法在当今世界的车辆重识别数据集VERI-Wild上，再次刷新世界纪录。