本文经AI新媒体量子位（群众号ID:QbitAI）授权转载，转载请联络出处。

德国哲学家莱布尼茨曾表示世上没有两片完全相反的树叶，这样的差异性也意味着世界上每一个物体都有本人独有的ID。如今，AI曾经逐渐掌握辨别物体纤细差异的技艺，从海量图像中找到目的物体。

8月6日，据记者了解，达摩院初次将Pure Transformer模型（下文简称为Transformer模型/结构）引入目的重辨认义务中，该办法可以高效完成细粒度的图像检索义务，并超越其它AI算法，在准确率和检索时间上均取得了迄今为止最好的成绩。该研讨已被AI顶会ICCV 2021收录，并斩获CVPR 2021 AICity应战赛目的重辨认赛道冠军，目前，该技术已正式向全球开发者开源。

达摩院算法斩获CVPR 2021 AICity应战赛目的重辨认赛道冠军

目的重辨认是计算机范围研讨的新趋向，据统计，目前每1000篇计算机视觉论文就有30篇和目的重辨认研讨相关。不同于目的检测、目的联系等义务，目的重辨认的难度更高。例似乎一个物体会由于视角、光线、遮挡等要素而产生外观差异，不同的物体在异样的角度和光线下在视觉上的相似度极高，即使经过肉眼也很难克制这些搅扰信息，如何区分这其中的差异并精准找到目的物体不断都是业界的难题。

过去几年，AI研讨人员逐渐尝试用深度学习CNN模型来处置该成绩，但CNN模型在处置目的重辨认义务时容易丧失图像部分细节信息，同时又无法有效开掘图像各特征的全局关联性，从而招致其在复杂场景下的表现较差。此次，达摩院创新性将Pure Transformer模型运用于目的重辨认义务中，并提出首个基于Pure Transformer结构的ReID框架TransReID，该框架借助水平切块思想提取愈加丰厚的细节特征，同时可经过不同模态信息的融合来处置视角差异成绩。经过测试显示，该办法已在6个数据集上的成绩超越了SOTA最好的算法成绩。

图：达摩院TransReID首先将图片物理切割成若干个图片小块，每个图片小块经过特征提取模块提取各自的视觉特征，之后计算失掉最终图像的全局特征。此外该框架还可以协助模型克制相机带来的外观偏向以及提取愈加鲁棒的全局特征。

该项目研讨担任人、达摩院算法专家罗浩表示：“过去Pure Transformer在NLP以及基础视觉范围取得了较大成功，但在愈加细粒度的图像检索义务上还未有过尝试，达摩院此次研讨引领了新的研讨趋向，这是行业的又一个里程碑。”

据悉，该技术的运用前景宽广，达摩院研讨团队表示未来会将该技术运用于安全防护以及自然资源、植物保护等范围，例如经过算法来找回走失的珍稀植物。

【编辑引荐】

开发App新选择：运用Vue Native构建移动运用

开源Vue+element-ui静态路由开源unitui快速开发框架

企业指导者能够做出蹩脚技术采用决策的12种状况

7月份Github上抢手的开源项目排行

数据与剖析范围的10大技术趋向

(责任编辑：admin)