具有類人能力的人工智慧：非模態追蹤任何物體

站長之家（ChinaZ.com）12月25日消息:Tracking Any Object Amodally是由卡內基美隆大學和豐田研究所開發的項目使得人工智慧能夠像人一樣追蹤物體的整體，即使在部分遮蔽或不完全可見的情況下也能理解其完整結構。

在這個專案中，我們訓練了計算機，使其能夠「理解」和追蹤部分被遮擋物體的完整形狀和位置。這對於自動駕駛車輛來說非常關鍵，因為它能夠在複雜的環境中更安全、更可靠地識別和追蹤被部分遮蔽的行人或其他車輛

專案網址: https://tao-amodal.github.io/ 專案網址：https://tao-amodal.github.io/

程式碼連結：https://github.com/WesleyHsieh0806/TAO-Amodal

為了提升物件追蹤技術，他們特別設計了一個名為TAO-Amodal的資料集。該資料集收錄了眾多的視頻序列，其中包含各種被遮擋或部分可見的物體，並提供詳細的標註信息，以幫助人工智能更好地理解和追踪那些我們只能看到一部分的物體

TAO-Amodal資料集包含了880個不同類別，涵蓋了數千個影片序列。此資料集包括了完全不可見、部分出框和被遮蔽物體的amodal（非模態）和modal（模態）邊界框。此資料集的主要目的是評估當前追蹤器在遮擋推理方面的能力，透過追蹤任何物件的amodal感知來實現

另外，該專案還開發了一個稱為"Amodal Expander 外掛"的輕量級模組，用於增強物體追蹤器的功能。該插件可以將標準的 Modal 追蹤器轉換為 Amodal 追蹤器，從而在追蹤部分遮擋或不完全可見的物體時更加有效和準確

根據TAO-Amodal資料集的測試結果顯示，這項技術在偵測和追蹤被遮蔽物體方面取得了3.3%和1.6%的改進。尤其是在追蹤人物方面，與現有的模態追蹤技術相比，效能提高了2倍。這個專案的成功將大幅提升電腦視覺系統的智能，使其在處理遮蔽物體時更加類似人類，從而在自動駕駛、視訊監控等領域發揮更大的作用

以上是具有類人能力的人工智慧：非模態追蹤任何物體的詳細內容。更多資訊請關注PHP中文網其他相關文章！