داهوا توانست در رنکینگ KITTI رتبه نخست را کسب کند و رکورد جهانی را به نام خود رقم بزند. این ارزیابی بر اساس استفاده از الگوریتم های یادگیری عمیق (deep learning) برای تشخیص بخش­ های معنادار یک تصویر (semantic segmentations) صورت می­ گیرد و تکنولوژی داهوا توانست با پشت سر گذاشتن دیگر رقیبان خود، در صدر رتبه بندی جهانی قرار گیرد. با سرمایه گذاری هایی که تکنولوژی داهوا بر روی زمینه های متعدد محاسبات داده و تجاری سازی الگوریتم های مختلف داشته است؛ توانست افتخاری دیگر را برای خود رقم بزند. در سال 2017 رتبه نخست را در جهان در زمینه های Scene Flow، Optical Flow و همچنین تشخیص متن از روی تصاویر را کسب کند. در سال 2018 موفق به کسب رتبه نسخت در تشخیص اجزای دو بعدی وسایل نقلیه، دنبال کردن چند شئ به طور همزمان و تشخیص عابر پیاده شد. در ابتدای امسال نیز شاهد موفقیتش در زمینه Semantic Segmentation هستیم.

KITTI توسط دو موسسه Karlsruhe و Toyota در شیکاگو بنیانگذاری شد که یکی از بزرگترین مراکز بین المللی محاسبات داده و الگوریتم دنیا به شمار می رود. این مرکز داده برای ارزیابی عملکرد Stereo، Optical Flow، Visual Odometry، تشخیص اشیاء و دنبال کردن آنها، مسیرها، Semantic  و دیگر محاسبات وابسته به محیط های وسایل نقلیه به کار برده می شود. در ارزیابی KITTI در واقع یکسری تصاویر به عنوان ورودی در نظر گرفته می شوند که این تصاویر از صحنه های متعددی همچون محله های روستایی و شهری و بزرگراه ها هستند و ارزیابی بر روی این تصاویر صورت می گیرد. از جمله ویژگی های این تصاویر تعداد حدود 15 خودرو نقلیه و بیش از 30 نفر عابر پیاده است که دارای نقص هایی همچون بریدگی هایی در بخش های خودرو یا تصاویر عابران پیاده هستند.

Semantic segmentation به فرآیند دسته بندی پیکسل های تصاویری اشاره می کند که به عنوان ورودی داده در نظر گرفته شده اند، این تصاویر نه تنها نقش اصلی بینایی ماشین را بازی می کنند بلکه نقشی حیاتی در کاربردهایی همچون رانندگی بدون سرنشین، قابلیت درک صحنه ها توسط ربات ها و واقعیت مجازی دارند.

در تحلیل KITTI Semantic Segmentation 19 نمونه از اشیای متنوع همچون خودروها، موتورسیکلت ها، دوچرخه ها، جاده ها، عابران پیاده، فضای سبز، علائم ترافیک، ساختمان ها و صحنه های متنوعی انتخاب می شود که در زمان های یکسان تنها 200 قطعه به عنوان تصویر ورودی و داده اولیه به سیستم های محاسباتی داده می شود که این تعداد به عنوان نمونه برداری کم شناخته می شود.

در این میان داهوا موفق شد که با تحلیل های منحصر به فرد خود دقت تشخیص را بهبود و توجه جهانی را به خود معطوف کند.