[[417447]]

本文經(jīng)AI新媒體量子位（公眾號(hào)ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請(qǐng)聯(lián)系出處。

德國(guó)哲學(xué)家萊布尼茨曾表示世上沒(méi)有兩片完全相同的樹(shù)葉，這樣的差異性也意味著世界上每一個(gè)物體都有自己獨(dú)有的ID。如今，AI已經(jīng)逐漸掌握辨別物體細(xì)微差異的技能，從海量圖像中找到目標(biāo)物體。

8月6日，據(jù)記者了解，達(dá)摩院首次將Pure Transformer模型（下文簡(jiǎn)稱(chēng)為T(mén)ransformer模型/結(jié)構(gòu)）引入目標(biāo)重識(shí)別任務(wù)中，該方法可以高效完成細(xì)粒度的圖像檢索任務(wù)，并超越其它AI算法，在準(zhǔn)確率和檢索時(shí)間上均取得了迄今為止最好的成績(jī)。該研究已被AI頂會(huì)ICCV 2021收錄，并斬獲CVPR 2021 AICity挑戰(zhàn)賽目標(biāo)重識(shí)別賽道冠軍，目前，該技術(shù)已正式向全球開(kāi)發(fā)者開(kāi)源。

達(dá)摩院算法斬獲CVPR 2021 AICity挑戰(zhàn)賽目標(biāo)重識(shí)別賽道冠軍

目標(biāo)重識(shí)別是計(jì)算機(jī)領(lǐng)域研究的新趨勢(shì)，據(jù)統(tǒng)計(jì)，目前每1000篇計(jì)算機(jī)視覺(jué)論文就有30篇和目標(biāo)重識(shí)別研究相關(guān)。不同于目標(biāo)檢測(cè)、目標(biāo)分割等任務(wù)，目標(biāo)重識(shí)別的難度更高。例如同一個(gè)物體會(huì)因?yàn)橐暯?、光線(xiàn)、遮擋等因素而產(chǎn)生外觀差異，不同的物體在同樣的角度和光線(xiàn)下在視覺(jué)上的相似度極高，即便通過(guò)肉眼也很難克服這些干擾信息，如何區(qū)分這其中的差異并精準(zhǔn)找到目標(biāo)物體一直都是業(yè)界的難題。

過(guò)去幾年，AI研究人員逐步嘗試用深度學(xué)習(xí)CNN模型來(lái)解決該問(wèn)題，但CNN模型在處理目標(biāo)重識(shí)別任務(wù)時(shí)容易丟失圖像部分細(xì)節(jié)信息，同時(shí)又無(wú)法有效挖掘圖像各特征的全局關(guān)聯(lián)性，從而導(dǎo)致其在復(fù)雜場(chǎng)景下的表現(xiàn)較差。此次，達(dá)摩院創(chuàng)新性將Pure Transformer模型應(yīng)用于目標(biāo)重識(shí)別任務(wù)中，并提出首個(gè)基于Pure Transformer結(jié)構(gòu)的ReID框架TransReID，該框架借助水平切塊思想提取更加豐富的細(xì)節(jié)特征，同時(shí)可通過(guò)不同模態(tài)信息的融合來(lái)解決視角差異問(wèn)題。經(jīng)過(guò)測(cè)試顯示，該方法已在6個(gè)數(shù)據(jù)集上的成績(jī)超越了SOTA最好的算法成績(jī)。

圖：達(dá)摩院TransReID首先將圖片物理切割成若干個(gè)圖片小塊，每個(gè)圖片小塊經(jīng)過(guò)特征提取模塊提取各自的視覺(jué)特征，之后計(jì)算得到最終圖像的全局特征。此外該框架還能夠幫助模型克服相機(jī)帶來(lái)的外觀偏差以及提取更加魯棒的全局特征。

該項(xiàng)目研究負(fù)責(zé)人、達(dá)摩院算法專(zhuān)家羅浩表示：“過(guò)去Pure Transformer在NLP以及基礎(chǔ)視覺(jué)領(lǐng)域取得了較大成功，但在更加細(xì)粒度的圖像檢索任務(wù)上還未有過(guò)嘗試，達(dá)摩院此次研究引領(lǐng)了新的研究趨勢(shì)，這是行業(yè)的又一個(gè)里程碑。”

據(jù)悉，該技術(shù)的應(yīng)用前景廣闊，達(dá)摩院研究團(tuán)隊(duì)表示未來(lái)會(huì)將該技術(shù)應(yīng)用于安全防護(hù)以及自然資源、動(dòng)物保護(hù)等領(lǐng)域，例如通過(guò)算法來(lái)找回走失的珍稀動(dòng)物。