阿里登顶Pascal VOC comp4目标检测整体榜单榜首。

近日，在计算机视觉知名赛事Pascal VOC comp4目标检测上，阿里巴巴机器智能技术实验室的深度学习小组提交了2次结果，均拿到第一名的成绩。新的技术模型提升了目标检测的精准度，对加强AI在农业、工业、自动驾驶的应用有着重要意义。

Pascal VOC是全球计算机视觉领域知名的数据库和竞赛。在Pascal VOC的整体测试中，参赛者对人、猫、鸟、飞机、汽车、船、盆栽等20类物体进行检测。阿里参赛小组以89.2的总成绩位列第一，比第二名高出0.4。在另一项测试——One Stage模型（即对图像直接输出检测框、检测类别的模型）中，阿里参赛小组也创下该模型的最好成绩。

阿里团队设计了具有融合上下文信息、多层次特征结合等特点的检测模型，是其拿到高分的主要原因。

目标检测是将目标物体框定出来，帮助人们对图像中的物体进行快速搜寻和定位，聚焦在有价值的目标上。近年来，AI加速用于工业、农业、自动驾驶等真实世界的场景中，目标检测技术成为AI场景落地的关键性技术之一。

据阿里工作人员介绍，新的技术模型可用于农作物检测，帮农场打造 “实时的防虫墙”，在虫害或疾病早期即只感染几株的时候，就能实时、精准地发现被感染作物。例如，一个农场过去以每周一次的频度排查虫害、病害，基于目标检测技术，则能做到实时发现和救治。技术还可以作为“AI农业专家”，进行农作物生长周期识别、种植面积统计等，指导农事活动、植保等工作。

目标检测用于识别农作物。

另外，技术还可用于通用物体检测、遥感图片中的目标检测和监控场景中的异常检测，自动驾驶中对人车障碍物的位置识别，提升目标物检测的精准度。

未来，阿里将开放该模型，推动目标检测的技术发展和场景落地。

分享让更多人看到