相信对于Mapillary大家并不陌生，该公司一直致力于推动自动驾驶的研究，发布了专门面向自动驾驶的覆盖全球多个地区的街景数据集Mapillary Vistas Dataset。 ? 几天前，该公司又发布了目前世界最大也最具多样性的交通标志数据集Mapillary Traffic Sign Dataset，可用于自动驾驶中交通标志的自动检测与分类的研究。 https://www.mapillary.com/dataset/trafficsign ? ? 数据申请地址： https://www.mapillary.com/dataset/trafficsign
备受瞩目COCO+Mapillary 2018物体识别联合挑战赛上，中国团队完成“屠榜”：包揽全部六项赛事的第一名，其中旷视团队获得4项冠军，商汤、北邮和滴滴团队分别获得1项冠军。 （包括一项并列第一） 据介绍，COCO+Mapillary是当前物体识别领域最为权威、最具标杆作用的数据集之一，也是继ImageNet之后最有影响力的竞赛平台之一。 官方公布的成绩如下。 旷视（Team Face++）四项冠军： COCO Detection（并列） COCO Panoptic COCO Keypoints Mapillary Panoptic 商汤和中国香港中文大学联合实验室 COCO+Mapillary简介 COCO 2018联合挑战赛的本意是在场景理解的前提之下研究物体识别，这次COCO挑战赛包括： 1）Instance Segmentation（实例分割） 尽管COCO和Mapillary共同聚焦在视觉识别的一般问题之上，但是具体的每项任务在相应数据集的加持下还是对问题的不同维度做了新探索。
2核2G云服务器 每月9.33元起，个人开发者专属3年机 低至2.3折
机器之心报道 作者：李亚洲 今日，ECCV 2018 COCO + Mapillary 联合挑战赛结果公布，来自国内的旷视科技、港中文 - 商汤联合实验室、北邮、滴滴等团队获得了这一挑战赛全部六大赛项的第一名 通常来讲，COCO 是自然场景下的物体识别，Mapillary 则聚焦于街景场景识别，因此联合挑战赛的形式有利于计算机视觉技术更贴近现实场景，更具应用价值。 本届在 ECCV 2018 上的 COCO + Mapillary 联合挑战赛，包含 4 项 COCO 比赛、2 项 Mapillary 比赛，共计 6 个赛项。 COCO 和 Mapillary 也都有此赛项。 但从 Workshopri 日程表中可以看出滴滴地图计算部团队获得 Mapillary 实例分割赛项第一名；旷视科技获得 Mapillary 全景分割赛项第一，TRI-ML 团队第二。 ?
刚刚，ECCV官网上发布了2018年最新COCO竞赛的结果： 在物体检测、全景分割、人体关键点检测、DensePose以及2018年最新提出的Mapillary街景检测（Mapillary Detction COCO 和 Mapillary 也都有此赛项。 Mapillary Vistas挑战赛：2018年新加入的自动驾驶类任务 随着计算机视觉技术的不断进步，今年，Mapillary Research也加入了COCO竞赛，并提供了Mapillary Vistas 1、Mapillary Vistas目标检测任务 Mapillary Vistas目标检测任务强调识别静态的街道图像对象（如路灯、路标，电线杆）的个体实例，以及动态的街道参与者（如汽车、行人、 2、Mapillary Vistas全景分割任务 Mapillary Vistas Panoptic分割任务针对街景图像中的完整感知区域。
我们在两个数据集上演示了我们方法的结果，Cityscapes 和 Mapillary Vistas。对于 Cityscapes，有大量的弱标签图像，我们还利用自动标签来提高泛化。 使用我们的方法，我们在 Mapillary（61.1 IOU val）和 Cityscapes（85.1 IOU test）中都获得了最高的结果。 We demonstrate the result of our method on two datasets: Cityscapes and Mapillary Vistas. Using our approach we achieve a new state-of-the-art results in both Mapillary (61.1 IOU val) and Cityscapes
这个网站的作者是一位名叫Nikola Pleša的工程师，他在一家名为Mapillary的公司工作，他自己有一个个人网站，打开后你会发现，这也是一个很有意思的宝藏男孩！ Nikola的个人网站： http://www.nikolaplesa.com/ 除了这个数据集，他还做了很多有意思的小项目，比如chrome浏览器上的Mapillary扩展程序，安装之后每次打开新标签页时都会显示来自 Mapillary的随机精美图片。
3 数据库及实验结果 目前就作者已知的全景分割数据库只有Cityscapes、ADE20k和Mapillary Vistas。 Cityscapes：https://www.cityscapes-dataset.com/ ADE20k：http://groups.csail.mit.edu/vision/datasets/ADE20K/ Mapillary Vistas： https://blog.mapillary.com/product/2017/05/03/mapillary-vistas-dataset.html 下图是在Cityscapes下的分割结果
DeepMap，宣布A轮融资2500万美元； 印度本土共享汽车老大Ola获得1.044亿美元融资； 京东电动货车研发成功，刘强东称5年内全部换新； 神经网络领域中的下一件大事是什么，来自半导体行业角度的观点； Mapillary utm_content=bufferebad2&utm_medium=social&utm_source=twitter.com&utm_campaign=buffer Mapillary开放世界最大街景数据集 ，25K个街道级图像数据用于训练自动驾驶系统 随着越来越多的公司参与构建人工智能系统的业务，以帮助人开车（或为人开车），由前苹果计算机视觉专家组建的创业公司Mapillary宣布开放采购一个巨大的数据集 Mapillary是由红杉，Atomico投资瑞典创业公司，宣布开源一个包含190个国家的25,000个街道级图像的免费数据集，其像素级可用于训练汽车AI系统的标签。 链接：https://techcrunch.com/2017/05/03/mapillary-open-sources-25k-street-level-images-to-train-automotive-ai-systems
5、RGPNet在Cityscpes、CamVid和Mapillary数据集上分别实现了Resnet-101作为backbone 下80.9%、69.2%和50.2% mIoU以及Resnet-18作为 四、实验结果 多种网络在Mapillary Vistas数据集上的测试结果： ? ? 几种网络在Mapillary Vistas数据集上的性能对比： ? 在CamVid数据集上的性能对比： ?
向大家推荐一个近期出现的全景分割算法 EfficientPS，在全景分割的 4 大数据集Cityscapes,、KITTI、Mapillary Vistas、IDD中测评精度全部位于榜首，且其语义分割和实例分割性能也表现不俗 实验结果 作者在四个具有挑战性的城市场景理解基准数据集上对 EfficientPS 进行了评估，分别是Cityscapes、Mapillary Vistas、KITTI和IDD（KITTI原本没有全景分割标注 在Mapillary Vistas、KITTI和IDD基准数据集上，EfficientPS 均为目前最先进的全景分割算法。 ? ? ?
另一家创业企业，Mapillary,正利用人们的照片来绘制世界地图，这些照片使用人工智能技术拼接在一起能够分析全球街道上的数据。 Mapillary公司的平台帮助市政当局和组织绘制区域地图，并且能实时看到各区域的变化，这样他们能尽快地解决基础设施问题。 “移动技术是最大的动力，”Mapillary公司的CEO兼创始人Erik Solem说。“苹果手机在8年前面世。 Mapillary公司的机器视觉技术忽略车牌，能发现每个照片里的物体，像交通标志和建筑。 Mapillary公司20000多张照片能描绘出全球的影像，能够捕捉显示超大容量的影像数据。
支持主要语义分割数据集：ADE20K、Cityscapes、COCO-Stuff、Mapillary Vistas。 支持所有 Detectron2 型号。 相同的模型、损失和训练过程 研究人员在五个不同类别的语义分割数据集上评估了 MaskFormer：Cityscapes（19 个类别）、Mapillary Vistas（65 个类别）、ADE20K（150
Cityscapes Mapillary Vistas ADE20K COCO-Panoptic BDD100K （暂时不发布实例注释） 基准测试结果 PQ 是全景分割中描述的标准指标。 ? Mapillary Benchmark ?
Joint COCO and Mapillary Workshop at ICCV 2019: COCO Instance Segmentation Challenge Track ?
05 Mapillary Mapillary正在通过整合计算机视觉技术和社区协作来开发详细的地图。 Mapillary汇集了全球网络的贡献者，他们希望通过可视化世界和构建更好的地图，让每个人都能访问这个世界。任何人都可以使用智能手机或动作相机等简单工具加入并收集街面图像。
扫码关注腾讯云开发者
领取腾讯云代金券
云服务器
即时通信 IM
网站备案
对象存储
实时音视频
