近日，�？低晠⑴cPASCAL VOC視覺識別競賽，其中目標檢測任務成績mAP性能達到87.9，刷新了世界記錄，排名第一名，領先第二名4.1個點。評測中，�？低�20類目標中的19類結果在所有的算法中均處于領先地位。
（數據來源：http://host.robots.ox.ac.uk:8080/leaderboard/displaylb.php?challengeid=11&compid=4）
PASCAL VOC目標檢測任務囊括了車、人、貓、狗等20類常見目標。訓練樣本較少、場景變化多端，非常具有挑戰性。提到奪冠之道，海康威視研究院常務副院長浦世亮表示：“我們的預研團隊基于Faster R-CNN深度學習目標檢測算法，通過調整網絡結構、上下文建模、優化訓練和預測等策略，大幅提升了檢測性能。研究成果可以應用到視頻監控的車輛檢測、車牌識別、人體檢測、人體屬性分析、視頻結構化等產品中，將大幅提升產品性能與應用效果。長遠來看，在智能安全監控、汽車輔助駕駛、智能交通感知、視頻語義理解、機器人和無人機等各方面都有著巨大的應用價值�！�
PASCAL VOC可謂視覺識別類競賽的鼻祖，是由利茲大學、蘇黎世聯邦理工學院、愛丁堡大學、微軟、牛津大學等組織的一個視覺識別競賽，包含了物體分類、目標檢測、圖像分割等任務。PASCAL VOC對計算機視覺的發展具有深遠而巨大的影響，后續的ImageNet競賽的任務設置就基本沿用了它的設定。此前，微軟、英特爾、CMU、Facebook、UC Berkeley等國際頂尖研發團隊先后在這個排行榜上刷新紀錄。
�？低曆芯吭河芍悄芊治觥⒋髷祿夹g、感知技術和多媒體技術等專業團隊組成，突出在音視頻技術的專注和積累，著重研究視音頻的智能算法、大數據的分析、挖掘和計算，同時針對新的圖像傳感器等感知技術，視頻的播放技術，人機交互等多媒體技術進行深入研究。目前在海康威視研究院眾多領域的研究都走在行業前列，2015年，�？低曆芯吭涸贙ITTI的評測中，車輛檢測和車頭朝向估計兩項任務評分均排名世界第一；在MOT Challenge算法測評中獲得“計算機視覺的多目標跟蹤算法”世界第一；名列TRECVID2016 SED第二名、PASCAL VOC 2012圖像分割任務第二名。
