作為成渝地區(qū)東數(shù)西算的深度參與者，特斯聯(lián)近期對外公布了其計算機視覺（CV）領(lǐng)域的多個科研突破，并有8篇論文被CVPR、TPAMI等頂級國際學術(shù)會議和期刊收錄。

　　此次，特斯聯(lián)在CV領(lǐng)域的科研突破涵蓋語義分割、圖像增強、顯著物體識別、遷移學習、行為識別等方面。其中不少創(chuàng)新技術(shù)打破了現(xiàn)有技術(shù)上限，亦開發(fā)了數(shù)個性能更優(yōu)、識別更快、效率更高的模型，這些技術(shù)研究的應(yīng)用與推廣將成為特斯聯(lián)賦能城市數(shù)字化、智能化的有力保障。

　　在機器視覺行業(yè)產(chǎn)業(yè)鏈中，如上游的光源、鏡頭、工業(yè)相機、圖像處理器、圖像采集卡等硬件，圖像處理軟件和底層算法等軟件系統(tǒng)會隨著機器視覺的迭代而快速發(fā)展，推進整個產(chǎn)業(yè)鏈的升級。特斯聯(lián)集團首席科學家兼特斯聯(lián)國際總裁邵嶺博士及其團隊在該領(lǐng)域中提出的圖像和視頻的識別和學習各算法，極大縮短了訓練和推理時間，從圖像識別提升、識別效率提升以及解決數(shù)據(jù)標注瓶頸三個方面，提升了整體視覺應(yīng)用效果。

　　圖像識別提升方面，團隊的技術(shù)突破主要集中在算法層面，囊括背景消除模塊、圖像特征突出等。這些可以從圖像本質(zhì)入手，豐富圖像本身信息，去除多余噪點，為后續(xù)圖像識別提供高清的圖像數(shù)據(jù)，是高效率識別的基礎(chǔ)。更有技術(shù)突破采用創(chuàng)新手法，如加上聲音信息來協(xié)助識別，提高信息準確度。

　　為提高識別效率，團隊研究出新的算法框架以及新的采樣器，可以顯著提高識別效率，大大縮短訓練時間。在圖像識別中，快速的識別可以提高服務(wù)質(zhì)量，減少延遲，讓人們感受更智能的交互。

　　此外，特斯聯(lián)團隊還解決了圖像標注問題。數(shù)據(jù)標注是一個重要的過程，傳統(tǒng)人工數(shù)據(jù)標注費時費力。團隊提出了一種新的類別對比技術(shù)（CaCo），該技術(shù)在無監(jiān)督域適應(yīng)（UDA）任務(wù)的實例判別之上引入語義先驗，可以有效地用于各種視覺UDA任務(wù)。該技術(shù)構(gòu)建了一個具有語義感知的字典，其中包含來自源域和目標域的樣本，每個目標樣本根據(jù)源域樣本的類別先驗分配到一個（偽）類別標簽，以便學習與UDA目標完全匹配的類別區(qū)分但域不變的表征。

　　與當下最先進的方法對比，簡單的CaCo技術(shù)可以實現(xiàn)更優(yōu)越的性能表現(xiàn)，也可以成為現(xiàn)有UDA方法的補充，推廣到其他機器學習方法中去，如無監(jiān)督模型適應(yīng)，開放/部分集適應(yīng)等。該技術(shù)解決了傳統(tǒng)監(jiān)督學習需要大量人工標注的問題，比現(xiàn)有技術(shù)擁有更高的效率。