作為成渝地區東數西算的深度參與者，特斯聯近期對外公布了其計算機視覺（CV）領域的多個科研突破，並有8篇論文被CVPR、TPAMI等頂級國際學術會議和期刊收錄。

　　此次

，特斯聯在CV領域的科研突破涵蓋語義分割、圖像增強、顯著物體識別
、遷移學習、行為識別等方麵。其中不少創新技術打破了現有技術上限

，亦開發了數個性能更優、識別更快



、效率更高的模型
，這些技術研究的應用與推廣將成為特斯聯賦能城市數字化
、智能化的有力保障。

　　在機器視覺行業產業鏈中，如上遊的光源、鏡頭、工業相機、圖像處理器
、圖(tu)像(xiang)采(cai)集(ji)卡(ka)等(deng)硬(ying)件(jian)，圖(tu)像(xiang)處(chu)理(li)軟(ruan)件(jian)和(he)底(di)層(ceng)算(suan)法(fa)等(deng)軟(ruan)件(jian)係(xi)統(tong)會(hui)隨(sui)著(zhe)機(ji)器(qi)視(shi)覺(jiao)的(de)迭(die)代(dai)而(er)快(kuai)速(su)發(fa)展(zhan)
，推(tui)進(jin)整(zheng)個(ge)產(chan)業(ye)鏈(lian)的(de)升(sheng)級(ji)。特(te)斯(si)聯(lian)集(ji)團(tuan)首(shou)席(xi)科(ke)學(xue)家(jia)兼(jian)特(te)斯(si)聯(lian)國(guo)際(ji)總(zong)裁(cai)邵(shao)嶺(ling)博(bo)士(shi)及(ji)其(qi)團(tuan)隊(dui)在(zai)該(gai)領(ling)域(yu)中(zhong)提(ti)出(chu)的(de)圖(tu)像(xiang)和(he)視(shi)頻(pin)的(de)識(shi)別(bie)和(he)學(xue)習(xi)各(ge)算(suan)法(fa)，極(ji)大(da)縮(suo)短(duan)了(le)訓(xun)練(lian)和(he)推(tui)理(li)時(shi)間(jian)，從(cong)圖(tu)像(xiang)識(shi)別(bie)提(ti)升(sheng)、識別效率提升以及解決數據標注瓶頸三個方麵
，提升了整體視覺應用效果。

　　圖像識別提升方麵，團隊的技術突破主要集中在算法層麵，囊括背景消除模塊、圖(tu)像(xiang)特(te)征(zheng)突(tu)出(chu)等(deng)。這(zhe)些(xie)可(ke)以(yi)從(cong)圖(tu)像(xiang)本(ben)質(zhi)入(ru)手(shou)
，豐(feng)富(fu)圖(tu)像(xiang)本(ben)身(shen)信(xin)息(xi)，去(qu)除(chu)多(duo)餘(yu)噪(zao)點(dian)，為(wei)後(hou)續(xu)圖(tu)像(xiang)識(shi)別(bie)提(ti)供(gong)高(gao)清(qing)的(de)圖(tu)像(xiang)數(shu)據(ju)，是(shi)高(gao)效(xiao)率(lv)識(shi)別(bie)的(de)基(ji)礎(chu)。更(geng)有(you)技(ji)術(shu)突(tu)破(po)采(cai)用(yong)創(chuang)新(xin)手(shou)法(fa)
，如(ru)加(jia)上(shang)聲(sheng)音(yin)信(xin)息(xi)來(lai)協(xie)助(zhu)識(shi)別(bie)，提(ti)高(gao)信(xin)息(xi)準(zhun)確(que)度(du)。

　　weitigaoshibiexiaolv，tuanduiyanjiuchuxindesuanfakuangjiayijixindecaiyangqi，keyixianzhutigaoshibiexiaolv，dadasuoduanxunlianshijian。zaituxiangshibiezhong，kuaisudeshibiekeyitigaofuwuzhiliang
，jianshaoyanchi，rangrenmenganshougengzhinengdejiaohu。

　　此(ci)外(wai)，特(te)斯(si)聯(lian)團(tuan)隊(dui)還(hai)解(jie)決(jue)了(le)圖(tu)像(xiang)標(biao)注(zhu)問(wen)題(ti)。數(shu)據(ju)標(biao)注(zhu)是(shi)一(yi)個(ge)重(zhong)要(yao)的(de)過(guo)程(cheng)，傳(chuan)統(tong)人(ren)工(gong)數(shu)據(ju)標(biao)注(zhu)費(fei)時(shi)費(fei)力(li)。團(tuan)隊(dui)提(ti)出(chu)了(le)一(yi)種(zhong)新(xin)的(de)類(lei)別(bie)對(dui)比(bi)技(ji)術(shu)（CaCo）
，該技術在無監督域適應（UDA）任務的實例判別之上引入語義先驗
，可以有效地用於各種視覺UDA任務。該技術構建了一個具有語義感知的字典，其中包含來自源域和目標域的樣本
，每個目標樣本根據源域樣本的類別先驗分配到一個（偽）類別標簽
，以便學習與UDA目標完全匹配的類別區分但域不變的表征。

　　與當下最先進的方法對比，簡單的CaCo技術可以實現更優越的性能表現，也可以成為現有UDA方法的補充，推廣到其他機器學習方法中去
，如無監督模型適應
，開放/部分集適應等。該技術解決了傳統監督學習需要大量人工標注的問題，比現有技術擁有更高的效率。