中科视语，不凡时刻实力再获海外巨擘认同！

不久前，2024规划机视觉领域的顶级学术会议ECCV在大众眼神安谧中顺利结束，ECCV的全称是European Conference on Computer Vision（欧洲规划机视觉海外会议），是两年一度的大众规划机视觉领域与模式识别领域最顶尖的学术会议。其与CVPR(IEEE/CVF Computer Vision and Pattern Recognition Conference)、ICCV(IEEE/CVF International Conference on Computer Vision)一皆并称为规划机视觉领域的三大最高档别的顶级会议。本次会议上，备受温煦的敞开寰宇鲁棒语义分割挑战赛BRAVO 2024 (a unified Benchmark for Robustness in Autonomous Vehicles in the Open-world，简称BRAVO)也在同期结果了“巅峰对决”，在本次比赛中，中科视语AI团队以62.6的出色收货，从大众17个国度和地区，百余支顶尖AI团队中脱颖而出，摘下桂冠。这亦然中科视语在2024年登顶工业格外检测挑战赛桂冠后，面向图像语义分割时刻的又一次实力展示。

中科视语AI团队斩获 多域图像语义分割 赛说念(BRAVO 2024）赛说念第又名

敞开寰宇鲁棒语义分割挑战赛BRAVO

自动驾驶汽车需要在极其复杂的敞开寰宇中起初，保险乘客安全极其紧迫。因此，自动驾驶系统不仅需要在其已知域中弘扬出色，况且必须对顽抗性挫折、顶点天气条目、未知域环境、或冷落但可能具有倒霉性的驾驶情况，具有十分高的鲁棒性。BRAVO比赛旨在开辟、测试以及评估自动驾驶感知模子的鲁棒性，以应答以下以安全自动驾驶为缠绵的挑战：a）模子输出的校准过火不笃定性的臆想；b）检测域外缠绵或者区域；c）评估迟缓偏离预期已知域的域偏移进度。

BRAVO比赛旨在对城市集景中各类格式的当然条目和传神的损坏模拟，对图像语义分割模子进行基准测试。本次BRAVO比赛分为两个赛说念：

1.单域考验：仅在 Cityscapes 数据集上考验模子，评估模子在有限监督和地舆各类性下，濒临实验场景中巧合损坏时的鲁棒性。

2.多域考验：在多个混杂数据集上考验模子，包括当然域和合成域，评估分割模子在多域数据集条目下对未知域的鲁棒性。

BRAVO比赛需要模子在测试阶段，大略（1）对考验时“特定的环境”下对“已知类别”进行语义分割；（2）对考验阶段“未知的环境”下对“已知类别”进行语义分割；（3）对考验时“特定的环境”下对“格外类别”进行语义分割；（4）对考验阶段“未知的环境”下对“格外类别”进行语义分割。BRAVO比赛要求模子具有极高的鲁棒性和泛化能力。

BRAVO四种测试数据类型暗意图

基于不笃定度度量学习的图像语义分割法子UBANet

为了有用识别出格外类别，同期大略提高模子的泛化能力，商讨团队提倡了基于不笃定度度量学习的图像语义分割法子UBANet，通过对模子估量的不笃定度进行建模和函数访佛，从而优化模子估量的不笃定度，提高模子关于已知类别和未知类别的分辨度，进一步增强模子的泛化能力。

UBANet 结构图

先验教悔结构联想的FastSAM 细粒度分割法子

为了进一步优化语义分割的旯旮准确性，商讨团队采选FastSAM来对模子的估量遗弃进行旯旮平滑。FastSAM包括两个阶段，即全实例分割和指示教悔遴荐阶段。前一个阶段是基础阶段，第二个阶段骨子上是面向任务的后处理。合座法子引入了与视觉分割任务相匹配的先验常识，不错在较少的参数数目下更快地敛迹。

FastSAM 结构图

图像语义分割有用助力机灵交通和机灵工业终了欺诈落地

中科视语AI团队通过在图像语义分割领域多年的深耕，蕴蓄了丰富的商请教育与宽广欺诈落地案例。

在机灵交通领域，中科视语展现出刚烈的实力，高效地完成了从先进时刻到交易化落地的退换。机灵交通拳头家具借助图像语义分割时刻，对交通场景践诺实时监控，精确识别车辆、行东说念主、交通象征等，为交通解决部门提供可靠决议依据。同期，该时刻还具备交通流量统计、事故预警等刚烈功能，为机灵交通的富贵发展提供坚实时刻撑握。

在说念路污点检测方面，图像语义分割再度彰显重要作用。通过中科视语先进算法，终了对说念路图像进行良好分析，自动识别间隙、坑洼等各类污点，准确分辨说念路不同部分并定位污点位置。这一时刻大幅晋升检测后果，裁减东说念主工巡检本钱与时刻，终了实时监测，实时发现说念路问题，为说念路孤寒提供精确信息，有劲股东交通基础设施无间完善。

除此以外，图像语义分割在无东说念主驾驶领域施展着至关紧迫的作用。它大略对车辆周围的环境进行精确分析，分辨说念路、车辆、行东说念主、交通象征等不同元素。通过图像语义分割时刻，无东说念主驾驶汽车不错准确识别行驶旅途，实时逃匿窒碍物，极地面提高行驶的安全性。同期，该时刻还能匡助车辆更好地蚁集交通场景，扶助决议。图像语义分割为无东说念主驾驶的终了提供了刚烈的时刻支握，股东着无东说念主驾驶时刻无间上前发展。

在工业领域，图像语义分割雷同价值宏大。在工业安全分娩方面，终了对工场环境实时监测分析，准确识别培育起初情状、东说念主员操作活动及潜在安全隐患区域，实时发出预警，有用裁减安全事故发生概率。在工业质检才略，更是大显神通，精确分辨家具不同部位，快速检测出名义污点、尺寸偏差等问题，提高质检后果与准确性，减少东说念主为错误，确保家具性量一致性与可靠性，为工业领域的安全分娩与高质料发展提供刚烈撑握。

参考文件：

[1] Tuan-Hung Vu, Eduardo Valle, Andrei Bursuc, Tommie Kerssies, Daan de Geus, Gijs Dubbelman, Long Qian, Bingke Zhu, Yingying Chen, Ming Tangag九游会官网, Jinqiao Wang, Tomás Vojír, Jan Sochman, Jirí Matas, Michael Smith, Frank P. Ferrie, Shamik Basu, Christos Sakaridis, Luc Van Gool: The BRAVO Semantic Segmentation Challenge Results in UNCV2024. CoRR abs/2409.15107 (2024)

[2] Yuanbing Zhu, Bingke Zhu, Yingying Chen, Jinqiao Wang: Uncertainty-Aware Boundary Attention Network for Real-Time Semantic Segmentation. PRCV (3) 2023: 388-400

[3] Xu Zhao, Wenchao Ding, Yongqi An, Yinglong Du, Tao Yu, Min Li, Ming Tang, Jinqiao Wang: Fast Segment Anything. CoRR abs/2306.12156 (2023)

---