近日，大华股份基于深度学习算法的场景分割技术，刷新了MIT Scene Parsing Benchmark中场景解析任务（Scene Parsing）好成绩，取得了场景解析排行榜，超越其它AI公司和的学术研究机构，及ICCV、ECCV、CVPR相关论文中的场景分析研究成果，这标志着大华股份在场景解析领域处于水平。
大华股份DH-ARI取得MIT Scene Parsing Benchmark排行榜
（截图来源：http://sceneparsing.csail.mit.edu/）
关于ADE20K_MIT：
ADE20K_MIT是由麻省理工学院CSAIL（MIT CSAIL）研究组发布并维护的用于MIT Scene Parsing Benchmark场景解析的评测数据集，是国际的计算机视觉语义分割算法评测数据集之一。数据集用于评测场景感知、场景解析、实例分割和语义理解等计算机视觉技术的性能；评测场景目标繁多、目标尺度变化范围大，有挑战性，吸引了MIT、微软、北大、清华、中科院、阿里等上百个国内外AI实验室和学术研究机构的参与。
关于场景解析：
场景解析是分割领域的核心技术之一，需要解决复杂场景解析中常见的遮挡、类别不清易混淆等问题。本次国际评测，大华基于自主研发的深度学习平台，创新汲取语义分割、全景分割等算法优势，研发了一套基于图模型和神经网络的语义分割框架，通过多尺度的特征融合，引入频域上的自适应IoU Loss损失函数，并使用多模型特征融合技术，高效提升了场景分割的像素准确率(Pixel Accuracy)以及平局交并比（Mean IoU），最终刷新场景解析数据集评测记录，取得了排行榜的好成绩。
大华股份在AI技术领域持续耕耘与创新，不断提升算法、算力的核心竞争力。2018年，大华股份取得道路分割、车辆跟踪、多目标跟踪、3D目标检测、人体检测、车辆检测、场景流、光流、行人检索等12项AI排行榜；2019年，大华股份取得行人重识别、目标实例分割、图像语义分割、步态识别、遥感图像分析等10项AI排行榜。大华股份积极加速AI技术成果向现实生产力转化，赋能行业智能化升级。
大华场景解析在产品及方案中的应用演示：
城市交通场景道路目标分析
物流分拣场景分析 河湖场景水面漂浮物分析
生猪养殖场景分析 零售场景商品识别分析
在智慧交管领域，基于大华场景解析技术，可自动识别场景中包括车道线、转向箭头、停止线、斑马线、路肩等交通标志信息，如在违章预审方案应用中，借助该项技术可实现无需人工配置复杂规则，即自动分析判断目标轨迹、行为是否违章，提高工作效率，有效提升产品的易用性，不断拓展交通场景解析相关的方案应用；同时，通过生态卡口、电警，哨兵双目抓拍，智慧交通信号控制等部署，限度地发挥AI技术优势，提高道路出行安全及出行效率，为构筑智慧交管提供强有力的技术引擎。未来，大华通过对AI技术的积累和突破，为智慧物流、智慧水务、智慧养殖、智慧零售等领域的拓展应用提供核心技术支撑，助力行业创新发展。
| 
发表于 