管交通、查违章:10+顶会冠军之后,百度推出城市视觉感知算法引擎

简介: 百度城市感知四大核心技术构筑的「城视引擎」背后,是 10 多项城市视觉领域顶会冠军。

作为中国唯一同时拥有「世界文化遗产」、「世界记忆遗产」、「世界自然遗产」三项世界遗产桂冠的城市,丽江因其得天独厚的自然环境和文化魅力,是人人向往的东方秘境。

这样一座已有千年历史的城市,在发展过程中面临着难题:怎样才能在保护古迹与历史风貌的同时,同时让现代化城市管理更好地服务居民与游客的需求?解决问题的过程中,人工智能成为了主角。

2021 年 5 月,百度智慧城市参与建设的「智慧丽江」城市大脑正式上线运行,在文化旅游和社会治理方面取得了突出的成绩。

此前运行的半年多时间里,城市大脑中对城市管理事件的智能识别与处置已经自动闭环近 2000 条,有效提高了城市管理效率。而在景区管理中,百度的技术不仅可以实时感知丽江景区的承载量和客流量,还能识别旅游车辆是否偏离路线、频繁停靠购物商店。

微信图片_20211206101947.jpg

百度「城视 CityScope」算法引擎。


和丽江一样,近年来越来越多的城市开始享受百度 AI 技术赋能智慧城市建设所带来的安全、便捷与高效。在城市大脑中,有双智慧的眼睛被称为「城市感知」——依托于百度领先的人工智能技术能力,构建起「城视(CityScope)」城市视觉感知算法引擎,更好地整合城市系统和服务,优化城市管理方式。

十余项顶会冠军、四大核心技术

要实现「城市感知」,首先需要捕捉城市中的视频化影像,由 AI 分析出当下正在发生什么,最后再由 AI 协助人类做出相对应的决策。在这一过程中会产生许多的问题,比如公路上的障碍物可能影响路况影像提取,训练不足的 AI 可能无法判断出当下发生的事件。因此,城市感知是一个难度极高、相当综合的 AI 应用命题。

微信图片_20211206101950.jpg

百度夺得多项「城市感知」相关国际顶级赛事冠军。

为了让感知更加迅速、判断更加准确,百度视觉技术团队针对城市视觉技术领域持续进行技术迭代和创新。自 2019 年以来,百度在城市视觉领域已累计获得 10 余项顶级赛事的世界冠军,仅在 2021 年上半年,百度就获得了 CVPR 2021-AI CITY 挑战赛异常事件检测、车流统计任务两项比赛,CVPR 2021-UG2 + 挑战赛烟雾环境物体检测比赛,ICMR 2021-ROD 毫米波雷达检测挑战赛等比赛的冠军。

微信图片_20211206101953.jpg

百度在 CVPR 2021-AI CITY 挑战赛的任务画面。

目前,百度「城视(CityScope)」城市视觉感知算法引擎集成了数据、训练工具、算子以及部署工具四大核心技术,为智慧城市、智能交通提供一站式的视觉算法与应用能力,不仅提升资源利用效率,也为城市居民提供更优质的衣食住行生活体验。

在数据方面,城视引擎实现了多场景不同来源数据融合,包括路口与高速监控场景,无人机视角,车载视角等,并提供针对监控视角 2D&3D 障碍物定位、火灾烟雾检测等任务的数据仿真技术。

训练工具方面,基于百度飞桨深度学习框架,城视引擎提供 20 多个预训练模型,同时集成了包括剪枝、蒸馏、量化、搜索等一系列模型定制化压缩工具。此外,结合百度 BML 平台打造用户自训练平台,可以完成用户端训练数据、模型迭代流程闭环,赋能智慧城市感知模型高效率持续迭代。

算子方面,基于预训练模型,城视引擎封装了人脸识别、人体分析、车辆分析、遥感视觉 4 个方向多达 30 多个核心算子,其中多项算子在多次竞品测评中取得行业第一,获得多项行业权威认证。

部署方面,基于百度 PaddleLite 飞桨部署工具,城市引擎支持算子在端侧、边缘侧、云端 3 大类多达 10 + 种不同平台部署,已经验证和完整支持从 Mobile 到 Server 多种硬件的支持需求,包括 ARM CPU, ARM GPU, Huawei NPU, Intel X86 CPU, NV GPU 等,全方位支持感知算子在不同应用场景灵活部署。

撬动千万级场景化数据,多领域应用实践落地

在强大的技术与产品能力支撑下,百度逐渐构建起了基于多视角、多维度的城市视觉感知技术,为构建更智能的城市生活、服务、管理提供支持。在丽江市,百度已经帮助旅游城市丽江实现了智慧化的「1+1+4+N」的架构设计,即 1 张神经感知网络,1 个城市智能云平台,4 个中台(AI 中台、数据中台、感知中台、交互中台),N 个应用场景。

微信图片_20211206101957.jpg

百度打造的智慧丽江城市大脑指挥中心。


以城市违章事件智能发现场景为例,丽江智慧城市大脑能够通过系统对 AI 摄像头收集到的数据进行智能识别城市违章事件,如垃圾暴露、机动车违停、占道经营等,再通过工单系统推送给市级、区级、街道、社区执法人员与网格员,让违章事件能够在第一时间获得高效、及时处理。

在城市交通方面,百度城视引擎重点解决了确定道路与车辆、行人等交通要素状态,及它们之间关系的问题。在百度全天候车路协同解决方案中,面向公路隧道出入口、分合流区、施工作业区、弯道等道路特殊场景以及恶劣天气,可以实现公路全天候感知、全要素识别、全用户触达。

除此之外,近年来热度颇高的无人驾驶也是百度城市视觉感知技术的重要应用领域之一。百度城视引擎不断迭代优化相关感知技术,持续反哺车路协同融合解决方案,提升无人驾驶的安全性。以百度发布的全球首款 L4 级量产自动驾驶巴士「阿波龙」为例,可提供一站式、覆盖车辆全生命周期、全业务闭环的智能接驳服务,目前已落地全国 21 个城市,累计运营超 12 万公里、载客 12 万余人。

微信图片_20211206102002.jpg

百度全球首款 L4 级量产自动驾驶巴士「阿波龙」。


截至目前,百度城视引擎已经实现了交通出行领域的车路协同、路况分析、智能信控,建筑规划的卫星遥感,城市服务领域的智能定损、园区闸机通行、AI 测温抗疫,城市安防领域的无人机安检等能力。在多个应用场景上,百度城视引擎均实现了落地应用,为城市发展做出了实际贡献。

城市管理的点滴进步,有关每一个人的安全与幸福。基于城视引擎的百度「城市感知」希冀能为城市运行和人们的生活带去全天候、地空天覆盖的守护。一个智慧、安全、便捷的城市,会激发城市中每一个人更大的潜能与活力,为时代发展创造更多的价值。

相关文章
|
机器学习/深度学习 算法 TensorFlow
交通标志识别系统python+TensorFlow+算法模型+Django网页+数据集
交通标志识别系统python+TensorFlow+算法模型+Django网页+数据集
116 0
|
2月前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于MSER和HOG特征提取的SVM交通标志检测和识别算法matlab仿真
### 算法简介 1. **算法运行效果图预览**:展示算法效果,完整程序运行后无水印。 2. **算法运行软件版本**:Matlab 2017b。 3. **部分核心程序**:完整版代码包含中文注释及操作步骤视频。 4. **算法理论概述**: - **MSER**:用于检测显著区域,提取图像中稳定区域,适用于光照变化下的交通标志检测。 - **HOG特征提取**:通过计算图像小区域的梯度直方图捕捉局部纹理信息,用于物体检测。 - **SVM**:寻找最大化间隔的超平面以分类样本。 整个算法流程图见下图。
|
1月前
|
机器学习/深度学习 人工智能 监控
智慧交通AI算法解决方案
智慧交通AI算法方案针对交通拥堵、违法取证难等问题,通过AI技术实现交通管理的智能化。平台层整合多种AI能力,提供实时监控、违法识别等功能;展现层与应用层则通过一张图、路口态势研判等工具,提升交通管理效率。方案优势包括先进的算法、系统集成性和数据融合性,应用场景涵盖车辆检测、道路环境检测和道路行人检测等。
|
2月前
|
算法 前端开发 Java
数据结构与算法学习四:单链表面试题,新浪、腾讯【有难度】、百度面试题
这篇文章总结了单链表的常见面试题,并提供了详细的问题分析、思路分析以及Java代码实现,包括求单链表中有效节点的个数、查找单链表中的倒数第k个节点、单链表的反转以及从尾到头打印单链表等题目。
37 1
数据结构与算法学习四:单链表面试题,新浪、腾讯【有难度】、百度面试题
|
3月前
|
机器学习/深度学习 算法 TensorFlow
交通标志识别系统Python+卷积神经网络算法+深度学习人工智能+TensorFlow模型训练+计算机课设项目+Django网页界面
交通标志识别系统。本系统使用Python作为主要编程语言,在交通标志图像识别功能实现中,基于TensorFlow搭建卷积神经网络算法模型,通过对收集到的58种常见的交通标志图像作为数据集,进行迭代训练最后得到一个识别精度较高的模型文件,然后保存为本地的h5格式文件。再使用Django开发Web网页端操作界面,实现用户上传一张交通标志图片,识别其名称。
123 6
交通标志识别系统Python+卷积神经网络算法+深度学习人工智能+TensorFlow模型训练+计算机课设项目+Django网页界面
|
4月前
|
算法
基于多路径路由的全局感知网络流量分配优化算法matlab仿真
本文提出一种全局感知网络流量分配优化算法,针对现代网络中多路径路由的需求,旨在均衡分配流量、减轻拥塞并提升吞吐量。算法基于网络模型G(N, M),包含N节点与M连接,并考虑K种不同优先级的流量。通过迭代调整每种流量在各路径上的分配比例,依据带宽利用率um=Σ(xm,k * dk) / cm来优化网络性能,确保高优先级流量的有效传输同时最大化利用网络资源。算法设定收敛条件以避免陷入局部最优解。
|
4月前
|
机器学习/深度学习 数据采集 数据可视化
基于机器学习的一线城市租房价格预测分析与实现,实现三种算法预测
本文通过数据采集、处理、特征选择和机器学习建模,对一线城市租房价格进行预测分析,比较了随机森林、一元线性回归和多元线性回归模型,并发现随机森林模型在预测租房价格方面表现最佳,为租房市场参与者提供决策支持。
129 0
|
5月前
|
算法
基于Dijkstra算法的最优行驶路线搜索matlab仿真,以实际城市复杂路线为例进行测试
使用MATLAB2022a实现的Dijkstra算法在城市地图上搜索最优行驶路线的仿真。用户通过鼠标点击设定起点和终点,算法规划路径并显示长度。测试显示,尽管在某些复杂情况下计算路径可能与实际有偏差,但多数场景下Dijkstra算法能找到接近最短路径。核心代码包括图的显示、用户交互及Dijkstra算法实现。算法基于图论,不断更新未访问节点的最短路径。测试结果证明其在简单路线及多数复杂城市路况下表现良好,但在交通拥堵等特殊情况下需结合其他数据提升准确性。
|
7月前
|
机器学习/深度学习 运维 算法
[ICDE2024]多正常模式感知的频域异常检测算法MACE
阿里云计算平台大数据基础工程技术团队主导,与浙江大学合作的论文《Learning Multi-Pattern Normalities in the Frequency Domain for Efficient Time Series Anomaly Detection》被ICDE2024收录,该论文解决了云服务环境中不同服务存在不同正常模式,而传统神经网络一个训练好的模型只能较好捕捉一种或少数几种正常模式的问题,该论文提出的方法可以使用一个统一模型对不同服务进行检测,就达到比为每一个服务定制一个模型的SOTA方法更好的效果。
|
算法 测试技术 定位技术
滴滴出行 地图感知算法 面经
滴滴出行 地图感知算法 面经
75 0
下一篇
DataWorks