在国际权威的多目标跟踪挑战（Multiple Object Tracking Challenge，MOT）MOT20榜单上，紫光展锐多媒体算法的mota指标超过70分，拿下全球冠军。这也是MOT20 Challenge榜单上唯一一家超过70分的企业，彰显了紫光展锐在多目标跟踪领域的业界领先水平。

MOT Challenge是多目标跟踪领域最权威的国际测评平台，由慕尼黑工业大学、阿德莱德大学、苏黎世联邦理工学院以及达姆施塔特工业大学联合创办。MOT Challenge 提供了非常准确的标注数据和全面的评估指标，用以评估跟踪算法、行人检测器的性能。

在国际权威的多目标跟踪挑战（Multiple Object Tracking Challenge，MOT）MOT20榜单上，紫光展锐多媒体算法的mota指标超过70分，拿下全球冠军。这也是MOT20 Challenge榜单上唯一一家超过70分的企业，彰显了紫光展锐在多目标跟踪领域的业界领先水平。

MOT Challenge是多目标跟踪领域最权威的国际测评平台，由慕尼黑工业大学、阿德莱德大学、苏黎世联邦理工学院以及达姆施塔特工业大学联合创办。MOT Challenge 提供了非常准确的标注数据和全面的评估指标，用以评估跟踪算法、行人检测器的性能。

其中，MOT 20 benchmark包含8份新的视频序列、密集且极具挑战性的场景。这份数据集在4th BMTT MOT Challenge Workshop，CVPR 2019上首次发布，平均每帧高达246个行人，相比之前的挑战赛数据集增加了夜晚数据集，对现有SOTA的MOT算法在解决极端稠密场景、算法泛化性等方面提出了艰巨挑战。

紫光展锐在多媒体算法中针对网络结构设计、损失函数、训练数据处理等方面进行了大量的创新和探索。针对竞赛中训练集没有涉及到的场景，紫光展锐创新性的采用端到端同时检测、行人识别策略，保障了算法在实际落地时的实时性，同时针对不同的端侧算力灵活调整网络大小，可灵活配套多种芯片方案的部署。

同时参与本次竞赛的还包括牛津大学、卡耐基梅隆大学、清华大学、慕尼黑工业大学、中科院、微软等多家企业、大学和科研机构的相关团队。

多目标追踪技术作为承载监控、车载、无人机、赛事直播等应用的关键技术，可准确捕捉视频中的关键信息，为进一步的信息提取提供支持，将在智慧城市、物联网等领域得到越来越广泛的应用。

在智能监控场景中，算法可实现复杂场景下的目标自动提取、跟踪、识别，理解目标的活动状态，进而实现场景状态监测、识别等。多目标追踪技术的应用可大幅减少人工重复劳动、提高工作效率和监控系统的智能性、安全性；在赛事直播场景中，算法可自动提取运动员的运动状态，从而实现数据统计、自动导播等功能，挖掘更多的数据价值；在智能车载场景中，算法可获取道路中车辆、行人的运动信息，为自动驾驶、安全辅助等应用提供必要的决策数据支持。

图像算法正在深度融合到越来越多的垂直行业，形成乘法效应，衍生出创新的业务和应用，让人们的生活更加美好和便捷。

MOT challenge榜单官网：

其中，MOT 20 benchmark包含8份新的视频序列、密集且极具挑战性的场景。这份数据集在4th BMTT MOT Challenge Workshop，CVPR 2019上首次发布，平均每帧高达246个行人，相比之前的挑战赛数据集增加了夜晚数据集，对现有SOTA的MOT算法在解决极端稠密场景、算法泛化性等方面提出了艰巨挑战。

紫光展锐在多媒体算法中针对网络结构设计、损失函数、训练数据处理等方面进行了大量的创新和探索。针对竞赛中训练集没有涉及到的场景，紫光展锐创新性的采用端到端同时检测、行人识别策略，保障了算法在实际落地时的实时性，同时针对不同的端侧算力灵活调整网络大小，可灵活配套多种芯片方案的部署。

同时参与本次竞赛的还包括牛津大学、卡耐基梅隆大学、清华大学、慕尼黑工业大学、中科院、微软等多家企业、大学和科研机构的相关团队。

多目标追踪技术作为承载监控、车载、无人机、赛事直播等应用的关键技术，可准确捕捉视频中的关键信息，为进一步的信息提取提供支持，将在智慧城市、物联网等领域得到越来越广泛的应用。

在智能监控场景中，算法可实现复杂场景下的目标自动提取、跟踪、识别，理解目标的活动状态，进而实现场景状态监测、识别等。多目标追踪技术的应用可大幅减少人工重复劳动、提高工作效率和监控系统的智能性、安全性；在赛事直播场景中，算法可自动提取运动员的运动状态，从而实现数据统计、自动导播等功能，挖掘更多的数据价值；在智能车载场景中，算法可获取道路中车辆、行人的运动信息，为自动驾驶、安全辅助等应用提供必要的决策数据支持。

图像算法正在深度融合到越来越多的垂直行业，形成乘法效应，衍生出创新的业务和应用，让人们的生活更加美好和便捷。

MOT challenge榜单官网：