据布雷塞介绍，9 月 3 日，博冠智能在获得 CCF BDCI 多民族人脸识别经典大赛冠军后，一周内在车辆再识别领域又取得了重大进展。在全球最大的车辆再识别数据集 veri Wild 中，博冠智能在首命中率（rank- 1 准确率）、平均平均精度（map）和平均反负惩罚（MINP）三项指标上，超越了已公布的企业和科研机构，创造了新的世界纪录。

车辆里德（Vehicle Reid）是智能交通系统中最重要的环节之一。计算机视觉技术可以用来检索不同监控领域的图像或视频序列中是否有特定的车辆。它是人工智能在交通运输业中应用的最理想的技术。

突破了世界上最具挑战性的车辆再识别数据集，随着深度学习技术的发展，车辆再识别算法的性能得到了显著提高。然而，由于某些数据集的局限性，现有的 Reid 模型在实际场景中的泛化能力可能存在问题。在实际监控场景中，车辆再识别仍然面临高度视角差异、极端光照条件、复杂背景和不同监测源等挑战。

Veri-Wild 是一个用于无限制场景下车辆重新识别的数据集，旨在解决这些问题。Veri Wild 于 2019 年 CVPR 期间发布。这个数据集是在一个月（30×24 小时）内从一个大型闭路电视监控系统中采集的。该系统由 174 个摄像头组成，分布在 200 多平方公里的大城区。该数据集由 416314 张 40671 个车辆标识的图像以及诸如车辆时间戳、品牌、颜色和车辆类型等附加信息组成。这是世界上最具挑战性的车辆再识别数据集。

车辆再识别的困难，包括摄像机拍摄角度、光强等，存在一些问题，如遮挡、色差变化、前后后角等。" 为了解决这类问题，智能算法团队取得了技术突破，采用语义分割的方法提取汽车的灯、首饰、车标等细微粒度特征信息，并结合多任务学习预测车辆的方向，有效地解决了上述问题，实现了在 Veri-Wild 三种不同难度数据集上刷新世界纪录。

(Bresee) 是一家以计算机视觉为基础的人工智能技术创新企业，它创造了业界领先的人工智能算法开发平台，具有优秀的技术核心和自主研发能力，具有行业水平的智能算法交付能力，支持 1500 多个行业场景人工智能项目的交付：

智能和原创的 AdaptNet 深层网络在 2017 年和 2018 年获得了世界第一的 Kitti 评估车道检测算法，并在 Mot 挑战全球竞争评估交通场景目标检测中获得了世界第一名。

2019 年 11 月，Reid 算法在 1501 市场、DukeMTMC-Reid 和 CUHK 03 三大主流 Reid 数据集上打破了世界纪录，所有六个单项指数都是最高的，同时也创下了行业记录。

2020 年 9 月，在中国计算机学会举办的 CCF 大数据与计算智能竞赛 -- 多人人脸识别经典大赛上，博观智力打破行业纪录，夺得冠军。

同月，Bosun 智能车辆识别（VehicleRe- 标识）算法在世界上最大的车辆重新识别数据 Veri-Wild 上创下了新的世界纪录。