CVPR WAD 挑戰賽開啟報名，四大自動駕駛挑戰賽等你來戰

雷鋒網 AI 科技評論消息，CVPR 2019（Conference on Computer Vision and Pattern Recognition）将于 6 月 16-20 日在美國長灘舉行，目前，會上的各大挑戰賽已經開始報名。

作為國際上以自動駕駛視覺為核心的頂級評測大賽，CVPR WAD 挑戰賽（Workshop on Autonomous Driving）以資料規模大、難度高著稱，每年這一賽事都能吸引到全球業界和學術界的多路頂級團隊參與。日前，滴滴、nuTonomy 以及加州大學伯克利分校 DeepDrive 深度學習自動駕駛産業聯盟（BDD）合作，正式啟動 CVPR 2019 WAD 自動駕駛識别挑戰賽，邀請全球算法高手來挑戰自動駕駛領域重點難題。

針對此次挑戰賽，滴滴提供了一個大規模、高品質的真實駕駛場景視訊資料集 D²-City（https://gaia.didichuxing.com/d2city），涵蓋 12 類行車和道路相關的目标标注，旨在鼓勵相關領域前沿算法的發明與實作。

本次CVPR 2019 WAD 挑戰賽共提供了四項全新的基于多個駕駛資料集的自動駕駛相關任務。

賽題一：三維目标檢測

賽題二：目标檢測遷移學習

賽題三：目标跟蹤遷移學習

賽題四：大規模檢測插值

三維目标檢測比賽建立在 nuScenes 資料集基礎之上，參賽者需要根據傳感器在 360 度旋轉視角下得到的資料來估計車輛周圍物體的三維位置、速度和屬性。比賽将分為三個賽道：雷射雷達賽道（僅能使用雷射雷達傳感器資料作為輸入）、相機賽道（僅能使用相機傳感器資料作為輸入）和開放性賽道（可以将多種傳感器相結合）。

目标檢測遷移學習和目标跟蹤遷移學習建立在滴滴此次釋出的 D²-City 資料集與 BDD 釋出的 BDD100K資料集上。目标檢測遷移學習挑戰賽中，參賽者需要利用采集自美國的 BDD100K 資料，訓練目标檢測模型，用于 D²-City 資料中；目标跟蹤遷移學習挑戰賽中，參賽者需要利用 D²-City 資料訓練模型應用于 BDD100K 資料。

大規模檢測插值探索賽中，參賽者需要基于 D²-City 資料集，在大量隻提供了關鍵幀标注的視訊上補全整段視訊的框檢測結果。這項探索賽緻力于鼓勵在目标檢測、插值、檢測追蹤、域适應等各領域結合的應用的相關研究。參賽者可以利用 BDD100K 資料集和其他公開可用的相關資料集或是借助部分人工标注修正去提升最終結果。

關于資料集：

nuScenes資料集

由 nuTonomy 提供，資料采集自波士頓和新加坡的 1000 個駕駛場景，每個視訊時長 20s，視訊場景非常多樣。完整的資料集包括大約 1.4M 的相機圖像，390k 的雷射雷達掃描資料，1.4M 的雷達掃描資料和在 4 萬個關鍵幀下、大小為 1.4M 的物體邊界框資料。

為了友善常見的計算機視覺任務（如對象檢測和跟蹤），nuTonomy 以 2Hz 的采樣頻率，用精确的 3D 邊界框标注了 23 個對象類。此外，他們還對對象級的屬性進行了注釋。

BDD100K 資料集

由伯克利大學釋出，資料集在美國的不同地方收集，包含 10 萬段視訊。每段視訊時長大約為 40 秒，格式為 720p、30 fps。視訊中還包括手機記錄的 GPS/IMU 資訊，可以顯示出大緻的駕駛軌迹。資料集中有很多不同天氣，包括晴天、陰天和雨天，還有一天中的不同時間段，如白天和夜晚。

每段視訊的第 10 秒均有進行關鍵幀采樣，并為關鍵幀加上了注釋，這 10 萬個關鍵幀中經常出現在道路上的對象也被标上了邊界框。

D²-City 資料集

采集自運作在中國五個城市的滴滴營運車輛，是一個大規模行車視訊資料集，提供了超過一萬段行車記錄儀記錄的前視視訊資料。所有視訊均以高清（720P）或超高清（1080P）分辨率錄制。所提供的原始資料均存儲為幀率 25fps、時長 30 秒的短視訊。

滴滴為其中的約一千段視訊提供了包括目标框位置、目标類别和追蹤 ID 資訊的逐幀标注，涵蓋了共 12 類行車和道路相關的目标類别，并為一部分其餘的視訊提供了關鍵幀的框标注。

與現有的自動駕駛公開資料集相比，此次釋出的 D²-City 資料集提供了更多在複雜或有挑戰性的天氣、交通、采集狀況下所收集的真實場景資料，如光線不足、雨霧天氣、道路擁堵、圖像清晰度低等。

即日起，全球企業、研究機構和院校均可組成參賽隊伍在挑戰賽官網進行報名，

第一項挑戰賽将于 6 月 15 日截止，後三項挑戰賽将于 5 月 31 日截止，最終優勝團隊獎項将于 6 月 17 日的 CVPR 2019 自動駕駛研讨會上正式頒發。

挑戰賽官網：https://sites.google.com/view/wad2019/challenge

雷鋒網 AI 科技評論編輯整理。雷鋒網(公衆号：雷鋒網)

雷鋒網版權文章，未經授權禁止轉載。詳情見轉載須知。