Making AI Capable of Tracking Any Object Like Humans

目前golang学习网上已经有很多关于科技周边的文章了，自己在初次阅读这些文章中，也见识到了很多学习思路；那么本文《Making AI Capable of Tracking Any Object Like Humans》，也希望能帮助到大家，如果阅读完后真的对你学习科技周边有帮助，欢迎动动手指，评论留言并分享~

站长之家（ChinaZ.com）12月25日 消息:Tracking Any Object Amodally是由卡内基梅隆大学和丰田研究所开发的项目使得人工智能能够像人一样追踪物体的整体，即使在部分遮挡或不完全可见的情况下也能理解其完整结构。

在这个项目中，我们训练了计算机，使其能够“理解”和追踪部分被遮挡物体的完整形状和位置。这对于自动驾驶车辆来说非常关键，因为它能够在复杂的环境中更安全、更可靠地识别和追踪被部分遮挡的行人或其他车辆

项目地址: https://tao-amodal.github.io/ 项目地址：https://tao-amodal.github.io/

代码链接：https://github.com/WesleyHsieh0806/TAO-Amodal

为了提升物体追踪技术，他们特别设计了一个名为TAO-Amodal的数据集。该数据集收录了众多的视频序列，其中包含各种被遮挡或部分可见的物体，并提供详细的标注信息，以帮助人工智能更好地理解和追踪那些我们只能看到一部分的物体

TAO-Amodal数据集包含了880个不同类别，涵盖了数千个视频序列。该数据集包括了完全不可见、部分出框和被遮挡物体的amodal（非模态）和modal（模态）边界框。该数据集的主要目的是评估当前追踪器在遮挡推理方面的能力，通过追踪任何物体的amodal感知来实现

另外，该项目还开发了一个称为"Amodal Expander 插件"的轻量级模块，用于增强物体追踪器的功能。该插件可以将标准的 Modal 追踪器转换为 Amodal 追踪器，从而在追踪部分遮挡或不完全可见的物体时更加有效和准确

根据TAO-Amodal数据集的测试结果显示，这项技术在检测和追踪被遮挡物体方面取得了3.3%和1.6%的改进。尤其是在追踪人物方面，与现有的模态追踪技术相比，性能提高了2倍。这个项目的成功将大幅提升计算机视觉系统的智能，使其在处理遮挡物体时更加类似人类，从而在自动驾驶、视频监控等领域发挥更大的作用

今天关于《Making AI Capable of Tracking Any Object Like Humans》的内容介绍就到此结束，如果有什么疑问或者建议，可以在golang学习网公众号下多多回复交流；文中若有不正之处，也希望回复留言以告知！