引领前沿技术 俄开发出可追踪车辆神经网络
这项开发成果不仅可作为独立工具使用，还能用作开发各种物流和安全解决方案的基础。莫斯科大学“大数据存储与分析技术”国家技术倡议能力中心技术转移副主任沃罗宁（Timofey Voronin）认为，该系统可能受到联邦和地方权力机关（内务部、交通部、联邦公路署、联邦统计局、数字发展部）、物流公司和零售公司的青睐，例如根据道路上不同类型车辆的拥堵情况，选择最优行驶路线。他说：“这项成果前景广阔，应用场景广泛。有两点值得关注：能在光照差、算力小的条件下工作，使车辆分类模型更具可及性和吸引力，其可及性还体现为小公司也能在不投入大算力的情况下使用该模型。”
数字信任空间：俄罗斯中亚国家IT领域合作
目前，计算机视觉技术可以根据预设数据对物体进行分类。但城市环境中，由于地形、季节、天气、光照等条件不断变化，识别过程极为复杂。ST IT集团总经理阿维里亚诺夫（Anton Averyanov）说，系统可能会出错，比如将近处飞鸟误认为车辆。他说：“此类系统目前用于预测交通流量、智能化管理十字路口信号灯以及优化车流，因此准确识别车辆并不断改进技术至关重要。MTUCI专家正是对这项技术进行了改进和完善。完成测试后，该技术即可投入使用。智能系统交通检测和预测精度将不断提升，采用此类技术的十字路口将越来越多。”
AutoNet国家技术倡议专家米申（Igor Mishin）认为，这项成果可提升车辆监控实时性并提高道路安全。该神经网络还有可能帮助寻找被盗车辆、识别人脸并检测道路障碍。除公路外，还可应用于道路维护和紧急服务。道路人工智能是全球智慧城市发展的前沿方向之一。城市生活应用神经网络，可发展高度自动化交通工具（如无人驾驶汽车、无人出租车）基础设施，这些技术正逐渐融入我们的生活。米申说，全球许多大城市正在积极发展人工智能算法，实现城市流程自动化，改善交通网络管理。莫斯科在这方面引领潮流，属于数字领导城市之一。
俄罗斯协同大学教师、IT专家叶尔马科夫（Aleksey Ermakov）认为，项目团队需要在适配现有成果与自主创新间保持平衡。他说，将YOLO-NAS类模型与DeepSORT类追踪算法相结合的思路体现了理性做法，即改进和完善成熟技术而非从零开始研发，这让MTUCI的研究者节约了资源，并有望加速新技术在工业和交通领域的应用。
需浏览俄文原文稿件，请登陆《消息报》网站
| www.tsrus.cn/683299|