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(duì)外公布了其計(jì)算機(jī)視覺（CV）領(lǐng)域的多個(gè)科研突破，并有8篇論文被CVPR、TPAMI等頂級(jí)國際學(xué)術(shù)會(huì)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(qiáng)、顯著物體識(shí)別、遷移學(xué)習(xí)、行為識(shí)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(gè)性能更優(yōu)、識(shí)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(jī)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(jī)、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(huì)隨著機(jī)器視覺的迭代而快速發(fā)展，推進(jìn)整個(gè)產(chǎn)業(yè)鏈的升級(jí)。特斯聯(lián)集團(tuán)首席科學(xué)家兼特斯聯(lián)國際總裁邵嶺博士及其團(tuán)隊(duì)在該領(lǐng)域中提出的圖像和視頻的識(shí)別和學(xué)習(xí)各算法，極大縮短了訓(xùn)練和推理時(shí)間，從圖像識(shí)別提升、識(shí)別效率提升以及解決數(shù)據(jù)標(biāo)注瓶頸三個(gè)方面，提升了整體視覺應(yīng)用效果。

　　圖像識(shí)別提升方面，團(tuán)隊(duì)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(diǎn)，為后續(xù)圖像識(shí)別提供高清的圖像數(shù)據(jù)，是高效率識(shí)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(shí)別，提高信息準(zhǔn)確度。

　　為提高識(shí)別效率，團(tuán)隊(duì)研究出新的算法框架以及新的采樣器，可以顯著提高識(shí)別效率，大大縮短訓(xùn)練時(shí)間。在圖像識(shí)別中，快速的識(shí)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(tuán)隊(duì)還解決了圖像標(biāo)注問題。數(shù)據(jù)標(biāo)注是一個(gè)重要的過程，傳統(tǒng)人工數(shù)據(jù)標(biāo)注費(fèi)時(shí)費(fèi)力。團(tuán)隊(duì)提出了一種新的類別對(duì)比技術(shù)（CaCo），該技術(shù)在無監(jiān)督域適應(yīng)（UDA）任務(wù)的實(shí)例判別之上引入語義先驗(yàn)，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(gè)具有語義感知的字典，其中包含來自源域和目標(biāo)域的樣本，每個(gè)目標(biāo)樣本根據(jù)源域樣本的類別先驗(yàn)分配到一個(gè)（偽）類別標(biāo)簽，以便學(xué)習(xí)與UDA目標(biāo)完全匹配的類別區(qū)分但域不變的表征。

　　與當(dāng)下最先進(jìn)的方法對(duì)比，簡(jiǎn)單的CaCo技術(shù)可以實(shí)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(bǔ)充，推廣到其他機(jī)器學(xué)習(xí)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(xué)習(xí)需要大量人工標(biāo)注的問題，比現(xiàn)有技術(shù)擁有更高的效率。