2020年5月，紫光華智在麻省理工學院CSAIL研究組發起的MIT Scene Parsing Benchmark場景解析評測中，憑借創新的場景解析技術一舉奪得排行榜首，并成功刷新國際更高分數，與此同時，榜上有名的還有來自多家國內外知名AI公司，學術研究機構，以及ICCV、ECCV、CVPR等國際學術會議相關論文中的場景解析重要研究成果。
紫光華智（Unisinsight）位居MIT Scene Parsing Benchmark榜首
（榜單鏈接：http://sceneparsing.csail.mit.edu/）
AI領域國際標桿，挑戰性與權威性并存
在實際場景的視圖數據中，往往面臨目標結構復雜、遮擋/光照/視角差異巨大、圖像質量不佳、類別不清易混淆等諸多難題，難以產生良好場景分割效果，容易形成大量錯誤分割，從而影響目標識別準確率。
作為AI關鍵技術之一，強大的場景解析技術能夠解決復雜場景中各類常見難題，可廣泛應用于行為分析、行人重識別（ReID）、自動駕駛、醫學影像、智能交通等各類復雜現實場景。
MIT Scene Parsing Benchmark致力于為場景感知、場景解析、實例分割和語義理解等計算機視覺技術提供訓練和性能標準化評估平臺，該評測以場景目標復雜、目標尺度變化范圍大等特點著稱，經過多年發展，已經成為全球范圍內更具挑戰性、權威性、代表性的場景解析評測集，在AI相關技術領域受到廣泛關注和高度認可，吸引著眾多國際知名企業、學術研究機構集中參與。
變革者不破不立，以創新突破AI技術邊界
為實現場景解析技術的創新與變革，紫光華智基于深度學習平臺，充分應用上下文語義關聯、局部/全局特征自適應融合、多尺度信息融合、掩碼輸出信息融合等技術手段構建了一套領先的全景分割框架，實現了場景分割像素準確率（pixel accuracy）、平均交并比（mean Iou）等關鍵技術指標的大幅提升，進而有效提高復雜場景下的目標檢測、定位、識別精確度，最終超越榜單中的眾多技術及學術團隊，一舉躍居排名榜首，并成功突破場景解析測評的全球記錄。
輸入
輸出
MIT Scene Parsing Benchmark場景解析評測效果圖一
輸入
輸出
MIT Scene Parsing Benchmark場景解析評測效果圖二
重創新，更重實踐，讓AI深入實際場景應用
自成立以來，紫光華智始終緊密圍繞客戶需求和實戰場景，持續加碼AI算法研發力度，在公共安全領域，紫光華智創新研發的行人重識別（ReID）算法已達到業界領先水平，各類領先算法全面覆蓋交通、城市、新零售等應用場景。
在交通場景，紫光華智場景解析技術的應用可有效提升斑馬線、車道線、車道轉向箭頭、公交車專用車道、潮汐車道線、車輛、人員等信息識別率，出現交通堵塞時快速鎖定擁堵車道，并將信息同步至管理后臺，為交通管理提供技術支撐和決策依據。此外，當車輛未禮讓行人情況出現，能夠針對行人和車輛在斑馬線上的位置分布進行智能判斷，減少人工干預。另一方面，通過在復雜的交通場景中全面統計各個路口、各個車道，各個方向的人流、車流密度分布，助力緩解交通擁堵壓力，提升交通出行效率。
城市交通場景道路目標分析
在城市場景，隨著城市人口不斷增加，人行道路承受的壓力逐漸提升，經常有道路破損情況出現，在雨天形成“水地雷”，不僅給行人造成安全困擾，也影響城市市容市貌。紫光華智場景解析技術通過對破損路面或破損磚塊進行特征提取，將數據迅速反饋至管理后臺，通知管理部門及時修復破損道路，既能夠加強市民出行安全保障，提升城市市容市貌，還可有效降低管理部門人力成本。
在新零售領域，由于商品種類繁多，目前零售場景幾乎全部依靠人工進行上架管理，人工成本居高不下，且普遍面臨補貨不及時，無法及時掌控商品上架情況。紫光華智場景解析技術能夠在復雜環境中精準識別各類商品貨物，通過實時監測和智能管理，有效降低人工成本。此外，基于場景解析技術能夠實現一系列智慧新零售系統應用，例如：對熱賣商品區域進行數據采集和精準感知，有效防止商品偷盜情況出現；對到店人群行為特征、購物習慣等數據進行客流統計分析，助力智慧新零售轉型升級。
除了交通、城市、新零售等領域以外，紫光華智也正積極布局更多業務場景，充分發揮自身AI算法技術優勢，不斷推進技術成果向現實生產力轉化，打磨更多創新產品，滿足更多業務需求，創造更多客戶價值，以技術創新領航AI新時代。