0
| 本文作者： 新智駕 | 2018-03-09 13:09 |
一向講究開放、不斷吸吸納新成員加入的百度 Apollo 自動駕駛平臺，最近「一反常態(tài)」，主動宣布加入加州大學伯克利 DeepDrive 自動駕駛產業(yè)聯盟。
美國時間 3 月 8 日，百度方面宣布 Apollo 自動駕駛開放平臺正式加入 DeepDrive 深度學習自動駕駛產業(yè)聯盟，并發(fā)布了 Apollo 自動駕駛數據集 ApolloScape。
如此吸引百度 Apollo 平臺主動加入這個產業(yè)聯盟，恐怕是后者更為豐富的自動駕駛學術成果和產業(yè)資源。
如果你對 UC Berkeley（加州大學伯克利分校）足夠了解，就知道 DeepDrive 是 UC Berkeley 兩大與汽車智能化相關的實驗室之一（另一個是 InterACT）。
DeepDrive 的研究成果并非停留在實驗室，而是與產業(yè)界結合緊密，目前合作伙伴有諸如博世、采埃孚等一級供應商，大眾、本田、現代等車企，恩智浦、英偉達等芯片廠商，以及華為、馭勢等中國公司均是其合作對象。
*Deep Drive研究項目的合作伙伴
而 DeepDrive 深度學習自動駕駛產業(yè)聯盟則是由加州大學伯克利分校領導的研究應用于汽車領域的計算機視覺和機器學習前沿技術的產業(yè)聯盟。
它的成員包括：英偉達、高通、通用、福特等 20 家全球自動駕駛領域頂尖企業(yè)，研究項目覆蓋感知、規(guī)劃決策、深度學習等自動駕駛關鍵領域。
百度加入這個聯盟的目的，是希望通過攜手全球自動駕駛領先企業(yè)以及頂級學術研究機構，共享研究成果、加速自動駕駛的技術創(chuàng)新和落地應用進程，以此來壯大自動駕駛研發(fā)力量。
這次發(fā)布的另一個看點是百度開放的 ApolloScape 數據集。
數據集一般分為兩類：一類是通用數據集，這是由純計算機視覺領域提出的數據集，這類數據集僅僅因為有“車”的元素；另一類是自動駕駛數據集，不光包括計算機視覺信息，還有 IMU、GPS 等信息。例如 KITTI，這是目前國際上最大的自動駕駛場景下的計算機視覺算法評測數據集，地位不可小覷。
顯然，百度也希望將 ApolloScape 打造成為這樣一個數據集。那么，ApolloScape 數據集有哪些亮點呢？
百度認為，海量、高質的真實數據是自動駕駛開發(fā)測試中必不可缺的「原料」，因此 ApolloScape 的數據量是同類數據集（如 Cityscapes ）的 10 倍以上。
其中，數據量內容包括：感知、仿真場景、路網數據等數十萬幀逐像素語義分割標注的高分辨率圖像數據。百度方面介紹，從數據難度維度看，ApolloScape 數據集涵蓋了更復雜的道路狀況。一個例子是單張圖像中多達 162 輛交通工具或 80 名行人。
除此之外，這個開放數據集采用了逐像素語義分割標注的方式，百度稱這是「目前環(huán)境最復雜、標注最精準、數據量最大的自動駕駛數據集?！?/p>
ApolloScape標注數據示例 
ApolloScape深度數據示例
Kitti，CityScapes和 ApolloScape 關于數據實例的對比
ApolloScape 另一個特點是包含了數十萬幀逐像素語義分割標注的高分辨率圖像數據。
為便于研究人員更好的利用數據集的價值，百度在數據集中定義了共 26 個不同語義項的數據實例（例如汽車、自行車、行人、建筑、路燈等），并將進一步涵蓋更復雜的環(huán)境、天氣和交通狀況等。
數據中包含的各類實例的信息
仿真也是這個數據集的一個重點項目。百度的目標是打造真實世界還原度最高、場景最豐富的仿真平臺。
據雷鋒網了解，基于 Apollo 仿真平臺，ApolloScape 計劃將數十輛自動駕駛車輛投入到同一個路網中行駛，通過模擬真實復雜駕駛場景和多車博弈過程，幫助研發(fā)人員有效檢驗并優(yōu)化預測、決策和路徑規(guī)劃等算法，提升自動駕駛測試的多樣性。
為了盤活這個數據集，吸引更多開發(fā)者使用 ApolloScape 數據集，在今年的 CVPR 期間，百度 Apollo 將聯合加州大學伯克利分校舉辦自動駕駛研討會（Workshop on Autonomous Driving），希望借此為全球自動駕駛開發(fā)者和研究人員提供一個技術突破和應用創(chuàng)新平臺。
在過去，計算機視覺一直面臨的一個通病是舊的算法在新的數據集上不起作用。
「我們號稱解決了一個問題，只不過是解決了一個數據集，并不能說明我們真正解決了這個問題，而這種情況經常發(fā)生?！箛鴥饶臣易詣玉{駛公司 CTO 對雷鋒網表示。
舉例而言，我們可以將自動駕駛這個「大系統(tǒng)」拆成 100 個小的計算機視覺問題。
但這里就存在值得深思的兩點：第一，我們不知道這 100 個問題中哪個問題更重要；第二，我們不知道在解決了哪個問題、解決到何種程度以后，就能號稱我們完全解決了自動駕駛問題。
所以，如何解決自動駕駛「大系統(tǒng)」和自動駕駛「小模塊」之間的問題，這才是百度 ApolloScape 數據集需要建立的下一步優(yōu)勢，也是從業(yè)者和開發(fā)者們需要的自動駕駛數據集。
PS：看遍這一年中國與全球智能駕駛領域的技術前沿與商業(yè)探索，雷鋒網新智駕年度推薦，掃描下圖二維碼或點擊 http://m.ozgbdpf.cn/special/custom/AIdrive.html 了解更多信息。
雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。
