視覺大模型在交通場景落地

依托?？低曈^瀾大模型

突破傳統(tǒng)算法瓶頸

?？低曉诙藗?cè)發(fā)布

新一代事件檢測系列攝像機

并在中心端同步部署大模型能力

推出事件檢測終端、事件檢測服務(wù)器

從邊緣端到中心端

大模型帶來智能應(yīng)用的性能和效果提升

推動交通行業(yè)智慧升級

大模型助力異常事件精準(zhǔn)檢測

讓道路更安全暢通

在高速公路交通事件檢測領(lǐng)域，受限于模型規(guī)模與泛化能力，一些復(fù)雜場景下拋灑物、停車、行人等事件的誤報、漏報一直是行業(yè)的瓶頸。

?？低暬诙嗄甑男袠I(yè)沉淀，依托觀瀾大模型的技術(shù)底座，構(gòu)建道路事件等行業(yè)場景專用的數(shù)據(jù)模型，與智能硬件深度融合，推出新一代事件檢測系列產(chǎn)品，精準(zhǔn)檢測道路異常事件，助力保障道路安全暢通。

傳統(tǒng)交通事件檢測算法高度依賴人工標(biāo)注的特定場景數(shù)據(jù)，需針對每類事件單獨采集樣本并訓(xùn)練模型，導(dǎo)致實際應(yīng)用中常因樣本覆蓋不全而出現(xiàn)漏檢誤判。例如，雨天路面積水時，容易誤報為拋灑物。

以一條布設(shè)了1500路攝像機的高速路段來舉例，傳統(tǒng)算法日均能感知1000余次事件，如何減少其中無效的事件，降低人工復(fù)核的工作量，提升真實異常事件從發(fā)現(xiàn)到處置的響應(yīng)速度，將是提升高速公路運營效率的關(guān)鍵。

?？低曉谟^瀾大模型基礎(chǔ)上，利用行業(yè)知識預(yù)訓(xùn)練和微調(diào)，使模型在事件檢測領(lǐng)域具備專家級別能力。相較于行業(yè)傳統(tǒng)的卷積網(wǎng)絡(luò)，基于Transformer架構(gòu)的模型，具備更深層次的網(wǎng)絡(luò)架構(gòu)，更強的全局特征提取能力和上下文建模能力，模型的泛化性更強，系統(tǒng)性解決了復(fù)雜場景下的誤報、漏報難題。

拋灑物檢測：結(jié)合大模型應(yīng)用，大幅提升拋灑物體檢測效果，不再受困于樹影、水漬、標(biāo)線、標(biāo)牌等干擾；

停車檢測：通過大模型精準(zhǔn)區(qū)分標(biāo)牌、緩行車輛、施工車輛，基于車輛停留時長、位置偏離車道線的動態(tài)特征綜合判斷，大幅降低了誤報；

上圖示例中搭配平臺：智慧公路綜合監(jiān)測平臺

新一代事件檢測產(chǎn)品矩陣

大模型加持的?？低暿录z測系列產(chǎn)品，通過提取多維信號中的有效信息，挖掘不同模態(tài)信息間的潛在關(guān)系，增強了對物理世界的全面理解，突破晝夜、雨霧等各類環(huán)境下的性能極限，從邊緣端到中心端助力規(guī)模化的應(yīng)用落地。

邊緣端感知設(shè)備
秒級檢出，精準(zhǔn)識別

中心端設(shè)備
利舊復(fù)用，降本增效

基于觀瀾大模型技術(shù)體系

持續(xù)迭代交通系列產(chǎn)品

交通事件檢測系列產(chǎn)品基于?？低曈^瀾大模型技術(shù)體系，助力智能應(yīng)用的性能和效果提升。

后續(xù)，將持續(xù)探索大模型技術(shù)，結(jié)合觀瀾多模態(tài)大模型的圖文理解與推理能力，拓展在道路事故、道路塌陷、異常天氣等場景化的應(yīng)用，更好地理解道路，持續(xù)推動行業(yè)智慧升級。