利用行人检测、行人ReID、人脸检测与识别、行人属性识别和视频OSD识别实现刑侦安防摄像头中跨境头行人检索及其各种结构化特征,实现离线和在线跨境头追捕犯人,维护社会治安
利用行人检测、行人ReID、人脸检测与识别、行人属性识别和视频OSD识别实现刑侦安防摄像头中跨境头行人检索及其各种结构化特征,实现离线和在线跨境头追捕犯人,维护社会治安
利用行人检测、行人ReID、人脸检测与识别、行人属性识别和视频OSD识别实现刑侦安防摄像头中跨境头行人检索及其各种结构化特征,实现离线和在线跨境头追捕犯人,维护社会治安。
利用行人检测、行人ReID、人脸检测与识别、行人属性识别和视频OSD识别实现刑侦安防摄像头中跨境头行人检索及其各种结构化特征,实现离线和在线跨境头追捕犯人,维护社会治安
责行人检测、行人ReID、人脸检测与识别、行人属性识别和视频OSD时间识别等算法模块迭代开发。入职一个月内在多个公开数据集上行人reID算法性能全面超越竞争对手,并提前半年超额完成任务,自采集测试集上Rank1-90.42%、Rank5-95.29%、Rank10-96.59%,DeepChanges换装数据集上Rank10-72.68%、时延为8.32ms;行人结构化属性分类算法优化后,准确率94.98%、召回率95.44%和F195.21%;视频OSD时间识别,YOLOv4-Tiny时间检测模型mAP95.6%、推理速率1842FPS,PPOCRv3时间OCR模型识别准确率99.93%、推理速率654FPS;yolov5行人检测模型业务验证mAP84.42%,推理速率256FPS;RetinaFace-MobileNet0.25人脸检测模型在业务验证mAP90.57%,推理速率823FPS,FaceNet-MobileNet0.25人脸识别模块准确率为98.12%,模型体积为6.46M,推理速率为3505FPS。