滴滴X BDD启动CVPR 2019 WAD挑战赛，邀您解决自动驾驶领域重点难题_人工智能_weixin

出品 | 滴滴技术

前言：3月28日，滴滴联合加州大学伯克利分校 DeepDrive 深度学习自动驾驶产业联盟 ( BDD ) 正式启动 CVPR 2019 WAD 自动驾驶识别挑战赛，邀请全球算法高手来挑战自动驾驶领域重点难题。

CVPR ( Conference on Computer Vision and Pattern Recognition ) 是全球计算机视觉与模式识别顶级会议，今年将于6月16日-20日在美国长滩举行。CVPR WAD 挑战赛（ Workshop on Autonomous Driving ）则是国际上以自动驾驶视觉为核心的顶级评测大赛，以数据规模大、难度高著称，每年 CVPR WAD 挑战赛都能吸引全球业界和学术界的多路顶级团队参与。

△ 点击图片至大赛官网，了解更多

▍大赛详情

本次 CVPR 2019 WAD 挑战赛共提供了四项全新的基于多个驾驶数据集的自动驾驶相关任务。其中，滴滴共参与提出目标检测迁移学习、目标跟踪迁移学习、大规模检测插值三项任务，并提供一个大规模、高质量的真实驾驶场景视频数据集 D²-City（gaia.didichuxing.com/d2city），涵盖12类行车和道路相关的目标标注，旨在鼓励相关领域前沿算法的发明与实现。

两项迁移学习挑战赛均建立在滴滴此次发布的 D²-City 数据集与 BDD 发布的 BDD100K 数据集上。目标检测迁移学习挑战赛中，参赛者需要利用采集自美国的 BDD100K 数据，训练目标检测模型用于采集自中国的 D²-City 数据；目标跟踪迁移学习挑战赛中，参赛者需要利用 D²-City 数据训练模型应用于 BDD100K 数据。

而在大规模检测插值探索赛中，参赛者需要基于 D²-City 数据集，在大量只提供了关键帧标注的视频上补全整段视频的框检测结果。这项探索赛致力于鼓励在目标检测、插值、检测追踪、域适应等各领域结合的应用的相关研究。参赛者可以利用 BDD100K 数据集和其他公开可用的相关数据集或是借助部分人工标注修正去提升最终结果。

与现有的自动驾驶公开数据集相比，此次发布的 D²-City 数据集提供了更多在复杂或有挑战性的天气、交通、采集状况下所收集的真实场景数据，如光线不足、雨雾天气、道路拥堵、图像清晰度低等，涵盖了中国不同城市的驾驶场景。同时，D²-City 数据集也计划提供大规模的精准标注信息，包括在数千段视频、数十万关键帧上的目标检测标注及在近千段视频上的目标跟踪标注。

▍参赛方式

即日起，全球企业、研究机构和院校均可组成参赛队伍在挑战赛官网（wad.vision）进行报名，挑战赛将于 2019 年 5 月 31 日截止，而最终优胜团队奖项将在 6 月 17 日的 CVPR 2019 自动驾驶研讨会上正式颁发。

滴滴方面表示，滴滴希望建设高效、开放可持续的未来出行新生态，携手 BDD 举办CVPR 2019 WAD 挑战赛，也是希望能鼓励研究者设计利用迁移学习运用已有的领域知识帮助求解不同但相关领域的类似问题，有效推进自动驾驶相关视觉算法在不同环境和条件下的实用落地；同时促进相关研究者和从业人士通过算法性能改进、合理使用人力等手段，进一步提升标注速度和质量、降低标注成本，“欢迎全球算法高手加入其中，共同激励更多科技创新。”