同时,百度 Apollo 联合加州大学伯克利分校,在 CVPR(IEEE 国际计算机视觉与模式识别会议)期间联合举办自动驾驶研讨会(Workshop on Autonomous Driving),并推出基于 ApolloSpace 大规模数据集的自动驾驶挑战赛。
除了百度的 ApolloSpace 数据集,本次比赛还能够使用由 Berkeley DeepDrive(BDD)提供的视频数据集。 BDD 集包括 100K 个短视频剪辑(每个视频剪辑为 40 秒),每个视频剪辑中的关键帧都被注释。
挑战赛官方网站:
http://wad.ai/challenge.html
本次挑战赛主要有以下几个任务:
任务一:可驾驶区域划分
本次挑战赛的主要任务是区分可以驱车驾驶的区域,要求系统能够寻找到正在行驶的道路上潜在的可驾驶区域。
任务二:道路物体检测
该任务是检测与驾驶策略最相关的对象,更具体地说,要用边界框检测以下类别的对象:车辆,行人和交通标志/信号。
任务三:语义分割的领域自适应
BDD 数据集和 ApolloScape 相结合,具有覆盖天气,时间和地理多样性等多个领域的优势。 在这个任务中,参与者需要在单个条件下通过给定注释,并在不同条件下捕获的测试图像。一个是时间/天气条件; 另一个是地理适应性,更特别的是来自加利福尼亚州(美国)和北京(中国)的训练/测试。
任务四:实例级视频可移动对象分割
在这个任务中,参与者会有一组每个像素都标记好的视频序列,车辆和行人等移动对象同样标注好,该任务的目标是评估视频场景解析的技术水平。
有兴趣的参与者可通过 WAD KAGGLE FEATURE Kaggle 界面提交结果。