网站电话：15001380073 2018年7月，在国际权威计算机视觉竞赛PASCAL VOC comp4目标检测竞赛中，Yi+ AI团队获得了目标检测单模型第一名，超越了现有排行榜中的微软研究院、谷歌 、阿里达摩院、Face++等国内外众多知名公司，以精度90.7%的成绩打破了世界记录，成为世界第一家总成绩突破90%计算机视觉企业。同时在Pascal VOC “comp3”中，，突破80%，刷新世界纪录。
Pascal VOC comp4是众多国内外企业物体检测团队证明自己实力的地方，此次Yi+力压群雄，取得了90.7%的成绩，比第二名的阿里达摩院高了1.5个百分点，在物体检测领域，1.5个百分点意味着需要比对方“多”检测正确6000多个框，同时值得注意的是，此次Yi+AI团队使用的是难度更高的单模型，而第二名的方法是多模型融合。
PASCAL VOC可谓视觉识别类竞赛的鼻祖，包含了物体分类、目标检测、图像分割等任务。PASCAL VOC对计算机视觉的发展具有深远而巨大的影响，后续的ImageNet竞赛的任务设置就基本沿用了它的设定。此前，微软、英特尔、CMU、Facebook、UC Berkeley等国际，研发团队先后在这个排行榜上刷新纪录。
Yi+AI的负责人表示，在此次Pascal VOC comp4竞赛中，Yi+AI团队使用的方法叫做FXRCNN，其中“X”，代表“多元”的意思，意味着Yi+AI使用的结构不仅仅是高准确率的模型，同时也适用多元场景，包括移植到移动端(通过更改Backbone和Head)，实现图像分割(增加Mask分支)，实现人体关键点(增加Key point分支)，实现人脸检测(增加Face分支)。
Yi+提交的深度学习模型，虽然采用了Faster RCNN的基本结构，但有很多不同之处：1)采用ResNeXt作为基础网络，结合FPN实现多尺度特征融合，2)在后处理阶段，采用SoftNMS和多框投票融合;3)通过Yi+海量数据进行预训练;4)多尺度训练，进一步加强数据增强。
近年来Yi+不断加大对人工智能、大数据等新技术的研发和应用，本次提交的模型，是Yi+多年来技术积累的结果，是通过不断的攻克实际问题的结果，是Yi+内部模型不断优化的结果，Yi+ AI的FXRCNN在速度，内存，精度，应用范围等多维度进行了全面的优化。
在人工智能领域，目标检测技术应用广泛，是Yi+AI场景落地的关键性技术之一。Yi+将目标检测技术应用在图像搜索引擎和图片视频结构化引擎中，Yi+图像搜索引擎可检测类目超100类，覆盖服饰、3C商超、家居、日用品、交通工具等;Yi+图片视频结构化引擎则采用目前业界最，的基于深度学习的通用目标检测算法，支持超过300类常用物体的目标检测、识别，可实现对视频和图像中的场景、人、车辆、物体(轮廓)检测、识别、分割、跟踪;可识别近10,000种物品，400种场景。
目前Yi+AI已将目标检测技术应用在多个使用场景中，包括“智能硬件”、“营销”、“新零售”、“智慧城市”等解决方案，具体则应用在场景广告平台、新零售平台、大屏AI助手、智慧安防、智慧交通、智慧社区等多项领域之中。
下一步，Yi+将结合现有技术优势继续深耕智慧城市、新零售、智能营销、智能硬件等多个领域，让计算机看懂世界，用科技提供人工智能服务，帮助人们看见非凡，see different。
Yi+获得阿里巴巴等B轮融资。服务了众多500强客户。团队成员大多来自，企业与高校，如哥伦比亚大学、帝国理工、耶鲁、普林斯顿、普渡大学、新加坡国大、南洋理工、清华、北大等及微软、IBM、英特尔、阿里巴巴、腾讯、百度、华为等企业。
