[[222004]]

　　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(chǎn)業(yè)聯(lián)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(chǎn)業(yè)聯(lián)盟，并發(fā)布了 Apollo 自動駕駛數(shù)據(jù)集 ApolloScape。

　　如此吸引百度 Apollo 平臺主動加入這個產(chǎn)業(yè)聯(lián)盟，恐怕是后者更為豐富的自動駕駛學術(shù)成果和產(chǎn)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(guān)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(chǎn)業(yè)界結(jié)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(xiàn)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(chǎn)業(yè)聯(lián)盟則是由加州大學伯克利分校領(lǐng)導的研究應用于汽車領(lǐng)域的計算機視覺和機器學習前沿技術(shù)的產(chǎn)業(yè)聯(lián)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(lǐng)域***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(guān)鍵領(lǐng)域。

　　百度加入這個聯(lián)盟的目的，是希望通過攜手全球自動駕駛領(lǐng)先企業(yè)以及***學術(shù)研究機構(gòu)，共享研究成果、加速自動駕駛的技術(shù)創(chuàng)新和落地應用進程，以此來壯大自動駕駛研發(fā)力量。

　　ApolloScape：數(shù)據(jù)量是同類數(shù)據(jù)集 10 倍以上

　　這次發(fā)布的另一個看點是百度開放的 ApolloScape 數(shù)據(jù)集。

　　數(shù)據(jù)集一般分為兩類：一類是通用數(shù)據(jù)集，這是由純計算機視覺領(lǐng)域提出的數(shù)據(jù)集，這類數(shù)據(jù)集僅僅因為有“車”的元素；另一類是自動駕駛數(shù)據(jù)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***的自動駕駛場景下的計算機視覺算法評測數(shù)據(jù)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(shù)據(jù)集。那么，ApolloScape 數(shù)據(jù)集有哪些亮點呢？

　　百度認為，海量、高質(zhì)的真實數(shù)據(jù)是自動駕駛開發(fā)測試中必不可缺的「原料」，因此 ApolloScape 的數(shù)據(jù)量是同類數(shù)據(jù)集（如 Cityscapes ）的 10 倍以上。

　　其中，數(shù)據(jù)量內(nèi)容包括：感知、仿真場景、路網(wǎng)數(shù)據(jù)等數(shù)十萬幀逐像素語義分割標注的高分辨率圖像數(shù)據(jù)。百度方面介紹，從數(shù)據(jù)難度維度看，ApolloScape 數(shù)據(jù)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(shù)據(jù)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(shù)據(jù)量***的自動駕駛數(shù)據(jù)集?！?/p>

 ApolloScape 標注數(shù)據(jù)示例 

[[222006]]

ApolloScape 深度數(shù)據(jù)示例

Kitti，CityScapes 和 ApolloScape 關(guān)于數(shù)據(jù)實例的對比

　　ApolloScape 另一個特點是包含了數(shù)十萬幀逐像素語義分割標注的高分辨率圖像數(shù)據(jù)。

　　為便于研究人員更好的利用數(shù)據(jù)集的價值，百度在數(shù)據(jù)集中定義了共 26 個不同語義項的數(shù)據(jù)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(shù)據(jù)中包含的各類實例的信息

　　仿真也是這個數(shù)據(jù)集的一個重點項目。百度的目標是打造真實世界還原度***、場景最豐富的仿真平臺。

　　據(jù)雷鋒網(wǎng)了解，基于 Apollo 仿真平臺，ApolloScape 計劃將數(shù)十輛自動駕駛車輛投入到同一個路網(wǎng)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(shù)據(jù)集，吸引更多開發(fā)者使用 ApolloScape 數(shù)據(jù)集，在今年的 CVPR 期間，百度 Apollo 將聯(lián)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(shù)突破和應用創(chuàng)新平臺。

　　「大系統(tǒng)」與「小模塊」

　　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(shù)據(jù)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(shù)據(jù)集，并不能說明我們真正解決了這個問題，而這種情況經(jīng)常發(fā)生?！箛鴥?nèi)某家自動駕駛公司 CTO 對雷鋒網(wǎng)(公眾號：雷鋒網(wǎng))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：***，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(shù)據(jù)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(shù)據(jù)集。