Dahua Technology, l'AI al primo posto nei test KITTI di segmentazione semantica

MILANO - Dahua Technology si è posizionata al primo posto nei test di segmentazione semantica KITTI, imponendo un nuovo record mondiale.  Per conseguire questo risultato l'azienda, che negli ultimi anni ha puntato moltissimo sullo sviluppo e il successo dei propri algoritmi, ha superato avversari di alto livello.

Già due anni fa aveva ottenuto il primo posto in varie competizioni internazionali atte a valutare le funzioni di scene flow, optical flow e riconoscimento testo. Nel 2018 aveva conquistato il primo posto nella 2D Vehicle Object Detection Evaluation, nei test MOT e in quelli per la re-identificazione pedonale e a inizio 2019 si è aggiudicata il podio in diversi test nel campo della Case Segmentation.

La suite KITTI Vision è una piattaforma di test atta a valutare le performance dei nuovi algoritmi di machine-vision, con un focus sui sistemi di guida automatizzata. Fondata a Chicago dal Karlsruhe Institute of Technology e dal Toyota Technological Institute, è la prima e più rinomata nella sua categoria.

I test KITTI collaudano molteplici parametri dei sistemi machine-vision (stereo, flusso ottico, odometria, rilevamento oggetti, tracking) sottoponendo gli algoritmi a simulazioni complesse e sempre diverse: dalle piccole vie di campagna alle più affollate strade extra-urbane, ogni scenario coinvolge fino a 45 tra pedoni e veicoli, con vari livelli di sovrapposizione.

Per quanto riguarda la segmentazione semantica - alla base di ogni tecnologia machine-vision e svolge un ruolo fondamentale nelle applicazioni di guida autonoma e realtà virtuale - è la capacità di un algoritmo di classificazione correttamente ogni pixel di una determinata  immagine nella corretta categoria di appartenenza. 

Nei test KITTI di segmentazione semantica gli algoritmi vengono in primo luogo sottoposti ad un training di apprendimento molto limitato, composto da meno di duecento frammenti di dati. Elaborando le informazioni ricavate gli algoritmi devono poi essere in grado di catalogare correttamente, nei sample di video e immagini su cui vengono testati, diciannove diversi tipi di oggetti, dai pedoni fino alla vegetazione, passando da veicoli e edifici.

Per prepararsi in modo ottimale a questo test, Dahua ha riunito in un unico algoritmo il meglio della tecnologia nel campo della classificazione immagini, della segmentazione a target singolo, in quella full-pixel, del migration-learning e dell’apprendimento incrementale, al fine di migliorare la propria accuratezza e costruire un meccanismo di attenzione globale basato su funzionalità multi-posizione e multi-canale.