创新是企业发展的核心，关键创新更是企业腾飞的重中之重。AI时代技术进步日新月异，对社会的生产、生活方式乃至疫情防控都产生着深刻影响，而每一次重大技术突破都离不开理论进步的支撑。多维视通专注于视频侦查技术行业十余年来，始终秉承“产、学、研、用”发展理念，从《警用影像处理技术手册》、《视频人像检验鉴定手册》、《影像篡改检验分析手册》等专业书籍编撰出版，到前沿算法研究、专业论文发表、技术应用研发再到专业产品打造，为公司带来长久发展的同时也给行业带来一次次重要突破。值此党的99周年华诞之际，多维视通AI研究中心又有两篇专业论文入选ICIP 2020、IJCNN 2020，以此为贺！
1.基于运动掩膜的车辆检测（Illuminating vehicles with motion priors for surveillance vehicle detection）
车辆检测是目标检测在交通监控视频场景下的一个子应用。在一段交通监控视频序列中，车辆在道路上快速移动而背景静止，帧内像素的这种速度差异一定程度上和车辆与背景的语义相一致，因此可以提取运动掩膜来增强前景车辆的特征表达。论文中我们提出一种创新型处理方法并在监控视频UA-DETRAC数据集上验证了该方法，在速度和精度上取得了较好结果。
2.通过量化敏感度指导的进化搜索实现深度神经网络的混合精度量化（Mixed Precision Quantization of DNNs via Sensitivity Guided Evolutionary Search）
网络量化可以在不修改网络结构的前提下有效地降低计算和内存成本，有助于在边缘设备上部署复杂的深度神经网络模型。但是大多数方法通常需要耗时的训练或者微调，并且需要访问原始训练数据集。然而由于隐私或安全等问题，无法获得完整数据集。笔者在图像分类和目标检测任务上进行了大量实验，包括ImageNet上的ResNet18/50/101、SqueezeNet、ShuffleNetV2和MobileNetV2，以及PASCAL VOC上的SSD-VGG和SSD-ResNet50。实验结果表明本文的方法可以明显的改善性能，并且优于现有的后训练量化方法。