News

2021.06.16

Cybercore R&D team won 1st place in YouTube-VOS 2021 Challenge. The team will make 2 presentations during CVPR 2021, a prestigious Image AI conference.

Researchers from Cybercore Co., Ltd. (Morioka, Iwate) have won the 1st place among 331 entrants and 39 finalists in the international computer vision competition YouTube-VOS 2021 Challenge. The team will have a presentation at one of the most prestigious computer vision conferences CVPR 2021 on June 20th.

Besides the achievement in the YouTube-VOS 2021 Challenge, as previously announced in May, Cybercore team has also won the 1strank in Vehicle Re-Identification in Papers with Code. This algorithm was developed during the AI City Challenge competition The team will present their solution at the CVPR 2021’s AI City Challenge section in June as well.

 

Overview of YouTube-VOS 2021 Challenge

YouTube-VOS 2021 Challenge has 3 different competitions, and we joined the Video Instance Segmentation one. Our team participated the challenge with 4 researchers from Cybercore’s Ho Chi Minh R&D center.

Video Instance Segmentation is a multi-task problem, which performs three tasks simultaneously, including detection, segmentation, and tracking. Our approach takes the advantage of data efficiency analysis, multi-task learning, and deep-supervision. This not only improves the model’s speed and memory, while yields higher accuracy and reduces training time thanks to the joined optimization framework.

Our solution has a wide range of applications, such as video understanding, object detection and tracking for autonomous driving, human behavior, or motion analysis. Taking the video understanding problem as an example, our solution can segment any objects (person, vehicles, animals) in the videos and track them for specific purposes. Segmented results can serve as another source for action analysis, such as in sport, e.g., supporting coaches with more information to train their teams. In autonomous driving applications, our solution can segment moving objects on the streets, such as pedestrians, riders, other vehicles, or traffic signs. This helps autonomous vehicles be able to take appropriate action on the ride.

 

CVPR 2021 workshop
http://cvpr2021.thecvf.com/workshops-schedule

YouTube-VOS Challenge Outline and Results
https://competitions.codalab.org/competitions/28988#results

 

2021.06.16

サイバーコア、画像AIの国際コンペ 「YouTube-VOS 2021 Challenge」で331エントリー中1位に。権威ある国際カンファレンス「CVPR 2021」で2本のプレゼンテーションを実施へ。

株式会社サイバーコア(本社:岩手県盛岡市、代表取締役社長:阿部英志)の技術開発チームは、5月におこなわれたコンピュータビジョンの国際コンペティション「YouTube-VOS 2021 Challenge」において、331エントリー・39ファイナリスト中の1位に輝きました。同チームはその成果をうけ、国際的に権威あるコンピュータビジョンのカンファレンスである「CVPR 2021」内で、6月20日にプレゼンテーションを行う予定です。

また、「YouTube-VOS 2021 Challenge」に先駆けて既報のとおり、サイバーコアチームは国際的なアルゴリズム評価サイト「Papers with Code」の車両再認識(Vehicle Re-Identification)カテゴリでも5月時点でNo.1にランキングされています。このアルゴリズムは別のコンペティション「AI City Challenge」に向けて開発したものですが(サイバーコアは同コンペティションでは9位の結果)、この車両再認識アルゴリズムについても「CVPR 2021」の「AI City Challenge」セクション内でプレゼンテーションを行う予定です。

 

■ YouTube-VOS 2021 Challenge コンペティション概要

 「YouTube-VOS 2021 Challenge」はさらに3つのコンペティションに細分化されていますが、サイバーコアチームはそのうち「Video Instance Segmentation (VIS)」のカテゴリにエントリーしました。サイバーコアのホーチミンR&D拠点から4名の研究者がチームを編成し、コンペティションに挑みました。

VISは3つのタスク―検出、セグメンテーション、追跡―を同時に実行するマルチタスク課題です。サイバーコアチームのアプローチは、データ効率の分析、マルチタスクの学習、ディープ超解像などの点で他のチームより優れていました。この結合され最適化されたフレームワークにより、モデルのスピードやメモリを向上させただけでなく、精度の向上や学習時間の削減といったベネフィットも生み出すことが出来ました。

今回のサイバーコアのソリューションは広範な応用が可能です。例えば動画の解析、自動運転や行動検出向けの物体検出やトラッキングなどです。動画解析の課題をひとつの例に取ると、サイバーコアのソリューションは人間、乗り物、動物などをセグメンテーションすることが可能で、かつ特定の用途に応じてトラッキングすることが可能です。
セグメンテーションされた結果は別のソースとして動作分析にも応用でき、例えばスポーツのコーチがそれを利用したりすることが期待されます。自動運転のアプリケーションにおいては、歩行者、オートバイや自転車の乗り手、他の自動車、標識など、路上の動いている物体をセグメンテーションすることができ、自動運転車が適切なアクションを取る重要な手助けとなることが期待されます。

以上

 

CVPR 2021 workshop
http://cvpr2021.thecvf.com/workshops-schedule

YouTube-VOS Challenge Outline and Results
https://competitions.codalab.org/competitions/28988#results

2021.05.12

Our train congestion measurement system was featured on DGLAB.

Please refer to here for details.

2021.05.12

列車混雑計測システムが岩手日報記事に掲載されました。

詳細はこちらをご参照下さい。

2021.05.12

列車混雑計測システムがメディア記事(DGLAB)に掲載されました。

詳細はこちらをご参照下さい。

2021.05.12

Article about our train congestion measurement system was published on Iwate Nippo newspaper.

Please refer to here for details.

2021.04.27

Cybercore ranked 1st on Papers with Code for Vehicle Re-ID category.

Cybercore’s Vehicle Re-Identification algorithm has been ranked 1st on Papers with Code‘s website.

The algorithm has been developed for AI City Challenge 2021 competition’s Challenge Track 2:City-Scale Multi-Camera Vehicle Re-Identification category. Cybercore performed 9th rank at AI City Challenge and submitted paper to CVPR Workshop 2021, the prestigious computer vision conference coming in June.

Paper Title: “A Strong Baseline for Vehicle Re-Identification”

 

Related URLs:

Papers with code – Vehicle Re-Identification
https://paperswithcode.com/task/vehicle-re-identification

Papers with code – https://paperswithcode.com/paper/a-strong-baseline-for-vehicle-re

Paper – https://arxiv.org/abs/2104.10850v1

2021.04.27

サイバーコアの車両再識別アルゴリズム、「Papers with Code」のランキングで精度が世界No.1に。

 

 サイバーコアの技術チームが開発した車両再識別(Vehicle Re-Identification)アルゴリズムが、2021年4月25日の時点で世界中のAIに関する論文を集めたサイト「Papers with Code」の該当カテゴリーでNo.1精度として評価されています。1

 車両再識別とは、異なるカメラ間で同一の車両を識別する技術で、異なる解像度、カメラの角度、光の当たり方などの条件下で高い精度を出すには非常に高度な技術を要します。

 今回のアルゴリズムは、2021年度のAIコンペティション「AI City Challenge」に参加するために開発。同コンペティションの第2のテーマ:Challenge Track 2:City-Scale Multi-Camera Vehicle Re-Identification(都市全体に対応する複数カメラの車両再識別)に該当するものです。なお、サイバーコアは同コンペティションでは世界9位(参加チーム数確認中)という結果を残しました。

 今回開発したアルゴリズムについてサイバーコアは論文を作成、大会に連動する「CVPR Workshop 2021」に提出しました。その結果として、AI論文を評価する「Papers with Code」でピックアップされ、該当するカテゴリー(Vehicle Re-Identification)の中で最も精度が高いものとして評価されました。

1 「papers with code」は定期的に更新され、現在は1位ですが、将来はランク下がることもありえます。

 

該当論文のタイトル:「A Strong Baseline for Vehicle Re-Identification」

 

以下、関連するURL

Papers with code – Vehicle Re-Identificationカテゴリー

https://paperswithcode.com/task/vehicle-re-identification

Papers with code – 論文のページ(2021年4月にて、Global Rank: #1) https://paperswithcode.com/paper/a-strong-baseline-for-vehicle-re

論文のページ(オープンジャーナル) – https://arxiv.org/abs/2104.10850v1

2021.03.01

東京メトロと共同で、デプスカメラとAIを用いた混雑計測システムの特許を出願いたしました。

 

 デプスカメラと人工知能(AI)を用いた鉄道業界初となる
列車混雑計測システムの共同特許を東京メトロと出願
〜2021年中に全線の列車混雑状況をリアルタイム提供へ〜

画像処理や人工知能アルゴリズムを開発する株式会社サイバーコア(本社:岩手県盛岡市、代表取締役社長:阿部英志)と東京地下鉄株式会社(本社:東京都台東区、代表取締役社長:山村明義、以下「東京メトロ」)は、2021年2月24日、デプスカメラと人工知能(AI)を用いた列車混雑計測システムについて共同特許の出願を行いました。 

■2021年度中には列車混雑状況をリアルタイムに計測、提供へ

東京メトロはこれまで、車重や改札利用者数から時間帯ごとの混雑状況を推定し提供してきましたが、複数路線で相互直通運転を行っている同社線では、他社車両の車重の取得や号車ごとにリアルタイムで混雑状況を提供することは難しい状況でした。今回共同特許を出願したシステムは、2019年度より東西線東陽町駅、2020年度より丸ノ内線新宿駅において、列車の駅出発時に車両側面をデプスカメラで撮影し、列車混雑状況を人工知能(AI)に機械学習させることで、号車ごとの列車混雑状況をリアルタイムに計測する実証実験を行ってきました。

この度、その技術検証が完了したことから、列車混雑計測システムを東京メトロ全線の複数駅(各路線各方面ごとに数箇所)に展開し、2021年度中を目途に時々刻々と変化する全線の列車混雑状況をリアルタイムにお客様に提供することを目指しています。

サイバーコアは、今後も「画像」と「人工知能」をかけ合わせた高度かつ堅実なソリューションを提供してまいります。

なお、本システムは、上野グリーンソリューションズ株式会社(本社:神奈川県横浜市)およびエスキューブライフ株式会社(本社:東京都港区)の協力を得て設置・施工を行っております。

本件については、本日付け東京メトロのプレスリリースもご確認ください。
https://www.tokyometro.jp/news/2021/index.html

以上