CVPR 2022 AI CITY CHALLENGE – Track 4 部門で優勝!




株式会社サイバーコア、コンピュータビジョンの国際的コンペティションCVPR 2022における

「AI CITY CHALLENGE – Track 4」部門で優勝


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 以下、「サイバーコア」)は、コンピュータビジョンの最高権威学会の国際コンペティション「CVPR 2022」における一部門「AI CITY CHALLENGE – Track4」にて優勝を飾りました。サイバーコアによるCVPRでの成果は、2018年の「iMaterialist」部門準優勝や、昨年2021年の「YouTube-VOS 2021 Challenge」での優勝を受けたプレゼンテーションに続く3度目となります。


今回サイバーコアが優勝した部門は、「Multi-Class Product Counting & Recognition for Automated Retail Checkout(小売店の自動チェックアウトにおける複数クラスの製品認識と数量カウント)」と題され、小売店のセルフレジで複数クラスの商品係数・認識の精度と処理速度を競うもの。シチュエーションはオクルージョン(重なり)、動作、アイテムの類似性、季節ごとに新規に作成されるSKU、誤検出や誤分類のコストといった現実世界のシナリオに基づいて設定されています。成果の実用的価値を最大化するため、製品認識の有効性とプログラムの実行効率の両方が各参加チームの最終スコアに貢献する設定となっており、効率と効果の合計スコアが最も高いチームが、このトラックの勝者となります。


「AI CITY CHALLENGE」コンペティションへは全体でおおよそ200チームが参加し、そのうちTrack4部門への参加チームは26チームでした。2位のチームと大きくスコアを引き離し、サイバーコアは優勝を手にしました。

チームサイバーコアは、今回の勝因について、モデルの汎用性を高めるため”Learning without Forgetting”技術を採用し、既存の畳み込みニューラルネットワーク(CNN)に新たな機能を追加したことで、トレーニングセットとかけ離れたテストセットに対して柔軟に対応できるモデルとしたこと、また、複数のモデルを掛け合わせ、それぞれの偏差を補うように工夫したことで、2位以下に大差をつけることができたのではないかと考えています。












  • 会社概要

会社名: 株式会社サイバーコア

代表者: 代表取締役CEO  阿部 英志


  • お問い合わせ先


CVPR 2022 AI City Challenge Track 4 Winner!!!


July 2022


Cybercore Co., Ltd. Won The First Prize

in CVPR 2022 [AI CITY CHALLENGE-Track 4]



Cybercore Co., Ltd. (Head Office: Morioka City, Iwate Prefecture, Japan; CEO: Hideshi Abe; hereafter, “Cybercore”) won the first prize in the “AI CITY CHALLENGE – Track 4,” a challenge of practical CV (computer vision) applications hold by the most prestigious international conference CVPR 2022. This is Cybercore’s third CVPR achievement, following its 2018 runner-up presentation in the “iMaterialist” category and last year’s winning presentation in the “YouTube-VOS 2021 Challenge” in 2021.


Cybercore’s winning category, titled “Multi-Class Product Counting & Recognition for Automated Retail Checkout,” competed for the accuracy and processing speed of multi-class product coefficients and recognition at a retail self-checkout. Situations are set up based on real-world scenarios such as occlusion (overlap), behavior, item similarity, new SKUs created each season, and the cost of false positives and misclassifications. To maximize the practical value of the results, both product recognition effectiveness and program execution efficiency are set to contribute to each participating team’s final score, with the team with the highest combined efficiency and effectiveness score being the winner of this track.


Cybercore won the AI CITY CHALLENGE competition with a score far ahead of the second-place team among 26 teams that participated in the track out of the total participating 200 teams in CVPR 2022 challenge.

Team Cybercore explained that the reason for this win was that they employed “Learning without Forgetting” technology to increase the versatility of the model and added new features to the existing convolutional neural network (CNN) to make the model more flexible to test sets that are far different from the training set. We believe that we were able to beat the second-place team by a wide margin by making the model flexible enough to handle test sets that are far from the training set, and by combining multiple models to compensate for the deviation of each model.


Cybercore’s solutions have been provided to a wide variety of industries and range from the automotive industry to retail and more. By selecting and tuning the right model for each specific task based on our superior, originally developed elemental technologies, we can provide solutions that excel in accuracy, processing speed, and robustness. In addition, by utilizing original lightning technology that can compress the calculation volume by up to 1/20 while maintaining those qualities, it is possible to minimize the load, thus maximizing device performance and system potential. Cybercore will continue to further develop cutting-edge technologies to meet the needs of the world.

Reference image: actual competition image]


Reference video:



【About Cybercore Co., Ltd.

Since founded in 2007, we have been dedicated to research and development of image AI. We employ many international and talented engineers and have achieved world-class results with our scientific approach to the deep learning of AI, boldly challenging the limits of AI and creating many excellent solutions. In addition, we have been engaging in R&D for major automobile manufacturers as a specialist in image AI, and we aim to further expand our business by supporting our domestic and overseas customers in their DX efforts.

For details, please visit our HP (


  • Corporate outline

Company name: Cybercore Co., Ltd.

Representative: Hideshi Abe, Representative Director, CEO


  • Contact information

TEL: +81-19-681-8776(Ms. Taguchi, IT communicator

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

Papers with code –

Paper –

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


 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」



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

Papers with code – 論文のページ(2021年4月にて、Global Rank: #1)

論文のページ(オープンジャーナル) –