繼在三大主流單幀圖片行人再識(shí)別數(shù)據(jù)集、三大主流視頻行人再識(shí)別數(shù)據(jù)集刷新世界記錄后，近日，澎思科技（Pensees）再次在單幀圖片數(shù)據(jù)集（Market1501，DukeMTMC－reID，MSMT17）刷新世界紀(jì)錄，大幅提升了跨域ReID算法的準(zhǔn)確率。

本次，澎思科技創(chuàng)新性地將對(duì)抗生成網(wǎng)絡(luò)與自監(jiān)督學(xué)習(xí)算法結(jié)合進(jìn)行模型的訓(xùn)練，通過(guò)遷移學(xué)習(xí)，進(jìn)行高準(zhǔn)確率的跨場(chǎng)景（數(shù)據(jù)庫(kù)）行人再識(shí)別算法的研發(fā)，取得了突破性進(jìn)展，對(duì)于行人再識(shí)別技術(shù)在應(yīng)用場(chǎng)景中的落地具有重要的意義。

行人再識(shí)別面臨跨場(chǎng)景落地挑戰(zhàn)  澎思科技再度刷新三大數(shù)據(jù)集世界紀(jì)錄

行人再識(shí)別（ReID）算法能夠通過(guò)視頻監(jiān)控系統(tǒng)，在跨攝像頭的條件下檢索行人，大大拓展攝像資源的利用深度。特別在公共安全領(lǐng)域，ReID可以彌補(bǔ)人臉識(shí)別的局限，提升對(duì)特定人物的識(shí)別追蹤能力，并大大降低人力成本。然而相比人臉識(shí)別的百萬(wàn)級(jí)數(shù)據(jù)庫(kù)，行人再識(shí)別面臨著數(shù)據(jù)量不足和復(fù)雜應(yīng)用場(chǎng)景變化的挑戰(zhàn)。因此，展開(kāi)高準(zhǔn)確率的跨場(chǎng)景（數(shù)據(jù)庫(kù)）行人再識(shí)別算法研究對(duì)于行人再識(shí)別技術(shù)的應(yīng)用落地十分重要。

此次澎思科技刷新的ReID三大數(shù)據(jù)集，除了Market1501，DukeMTMC－reID兩大常見(jiàn)數(shù)據(jù)集之外，還包含了MSMT17數(shù)據(jù)集。MSMT17，即Multi－Scene Multi－Time，是在CVPR 2018上提出的一個(gè)更接近真實(shí)場(chǎng)景的大型數(shù)據(jù)集，涵蓋了多場(chǎng)景多時(shí)段，是目前最賦有挑戰(zhàn)性的綜合跨場(chǎng)景大數(shù)據(jù)集。與之前的數(shù)據(jù)集相比，該數(shù)據(jù)庫(kù)中行人和攝像頭數(shù)目更多，覆蓋場(chǎng)景更復(fù)雜，時(shí)間跨度更廣。因此，在該數(shù)據(jù)集下模型的表現(xiàn)更能體現(xiàn)出算法的實(shí)力。

MSMT17 數(shù)據(jù)集與其他數(shù)據(jù)集的直觀對(duì)比

最終，通過(guò)與目前最新的主流算法進(jìn)行對(duì)比，澎思科技的ReID算法無(wú)論在首位命中率（Rank－1 Accuracy），還是平均精度均值（Mean Average Precision，mAP）上的表現(xiàn)都明顯更好，準(zhǔn)確率更高。

對(duì)抗生成網(wǎng)絡(luò)與自監(jiān)督學(xué)習(xí)算法結(jié)合  遷移學(xué)習(xí)取得創(chuàng)新性突破

澎思科技此次成果的取得源于澎思新加坡研究院對(duì)算法的自研創(chuàng)新和融合探索。本次，澎思科技創(chuàng)新性地將對(duì)抗生成網(wǎng)絡(luò)與自監(jiān)督學(xué)習(xí)算法結(jié)合進(jìn)行模型的訓(xùn)練，通過(guò)遷移學(xué)習(xí)，進(jìn)行高準(zhǔn)確率的跨場(chǎng)景（數(shù)據(jù)庫(kù)）行人再識(shí)別算法的研發(fā)，取得了突破性進(jìn)展。

－ 對(duì)抗生成網(wǎng)絡(luò)在算法中主要有兩個(gè)功能：一方面，進(jìn)行數(shù)據(jù)庫(kù)的域遷移，具體為原域到目標(biāo)域的風(fēng)格遷移；另一方面，進(jìn)行目標(biāo)域數(shù)據(jù)庫(kù)的數(shù)據(jù)增強(qiáng)，具體為生成跨攝像頭數(shù)據(jù)并給模型賦予相機(jī)風(fēng)格不變的約束。

－ 自監(jiān)督學(xué)習(xí)則是通過(guò)聚類(lèi)的方式給目標(biāo)域數(shù)據(jù)庫(kù)打虛擬標(biāo)簽并微調(diào)之前訓(xùn)練好的網(wǎng)絡(luò)。

源域模型訓(xùn)練

目標(biāo)域模型自監(jiān)督學(xué)習(xí)

近年來(lái)，單域行人再識(shí)別（Single－Domain Person ReID）取得了巨大進(jìn)展，但與實(shí)際應(yīng)用場(chǎng)景的要求還存在較大差距，跨域行人再識(shí)別（Cross－Domain Person ReID）的研究意義愈發(fā)顯著。隨著人工智能的不斷發(fā)展演進(jìn)，如何通過(guò)自動(dòng)遷移學(xué)習(xí)、自監(jiān)督學(xué)習(xí)、GAN等前沿技術(shù)實(shí)現(xiàn)模型優(yōu)化，成為跨域行人再識(shí)別的重要研究方向。

澎思科技長(zhǎng)期以來(lái)就保持對(duì)行人再識(shí)別（ReID）算法的關(guān)注，此次創(chuàng)新性地通過(guò)遷移學(xué)習(xí)提升了目標(biāo)場(chǎng)景下的ReID性能，突破了行人再識(shí)別的落地應(yīng)用限制，真正發(fā)揮了ReID的算法作用和技術(shù)優(yōu)勢(shì)，為行人再識(shí)別算法在各類(lèi)產(chǎn)品和應(yīng)用場(chǎng)景中的落地打下基礎(chǔ)。

未來(lái)，澎思科技將持續(xù)關(guān)注遷移學(xué)習(xí)、自監(jiān)督學(xué)習(xí)等學(xué)術(shù)前沿研究，加大在邊緣智能創(chuàng)新上的研發(fā)投入，為澎思AIoT生態(tài)體系的建設(shè)提供強(qiáng)有力的技術(shù)支持。同時(shí)，澎思科技也將積極推進(jìn)AI算法在實(shí)際應(yīng)用中的落地，關(guān)注不斷出現(xiàn)的新場(chǎng)景、新需求，讓AI服務(wù)社會(huì)生活的方方面面，驅(qū)動(dòng)尖端AI技術(shù)向普惠性的智能服務(wù)持續(xù)進(jìn)化。