雷锋网报道（-sz）

一向开放、不断吸纳新成员的百度自动驾驶平台，近日却“打破常规”，主动宣布加入加州大学伯克利分校自动驾驶产业联盟。

美国时间3月8日，百度宣布其自动驾驶开放平台正式加入深度学习自动驾驶产业联盟，并发布自动驾驶数据集。

吸引百度积极加入该产业联盟的，或许是看中了后者在自动驾驶领域更为丰富的学术成果和产业资源。

如果你对UC（加州大学伯克利分校）足够了解的话，就会知道它是UC内部与汽车智能相关的两大实验室之一（另一个是）。

该公司的研究成果并不停留在实验室，而是与产业紧密结合，目前的合作伙伴包括博世、ZF等一级供应商，大众、本田、现代等汽车厂商，NXP、等芯片厂商，以及华为、驭势科技等中国企业。

*深度研究项目的合作伙伴

深度学习自动驾驶产业联盟是由加州大学伯克利分校牵头成立的，研究前沿计算机视觉和机器学习技术应用于汽车领域的产业联盟。

其成员包括英伟达、高通、通用、福特等20家全球自动驾驶领域顶尖企业，研究项目涵盖感知、规划决策、深度学习等自动驾驶关键领域。

百度加入该联盟的目的是加强自动驾驶研发能力，与全球领先的自动驾驶公司、顶尖学术研究机构合作，共享研究成果，加速自动驾驶的技术创新和应用进程。

：数据量是同类数据集的10倍以上

此次发布的另外一个亮点是百度开放的数据集。

数据集一般分为两类：一类是通用数据集，是纯计算机视觉领域提出的数据集，这类数据集仅仅因为有“车”这个元素；另一类是自动驾驶数据集，不仅包括计算机视觉信息，还包括IMU、GPS等。比如这个是目前全球最大的针对自动驾驶场景的计算机视觉算法评测数据集，其地位不可小觑。

显然，百度也希望打造这样一套数据集。那么百度收据的数据有那些平台，该数据集到底有哪些亮点呢？

百度认为，海量、高质量的真实数据是自动驾驶研发和测试中不可缺少的“原材料”，因此数据量是同类数据集的10倍以上（如）。

数据量包括：感知、仿真场景、路网数据，以及数十万帧逐像素语义分割与标注的高分辨率图像数据。百度表示，从数据难度来看，该数据集覆盖了较为复杂的路况。比如单张图片中车辆多达162辆，行人多达80人。

此外，该开放数据集采用逐像素语义分割和标注，百度称这是“目前最复杂、标注最精准、规模最大的自动驾驶数据集”。

注释数据示例

深度数据示例

，并与数据实例进行比较

另一个特点是它包含数十万帧高分辨率图像数据，并带有逐像素的语义分割注释。

为了帮助研究人员更好地发挥数据集的价值，百度在数据集中定义了不同语义项（如汽车、自行车、行人、建筑物、路灯等）共计26个数据实例，并将进一步覆盖更为复杂的环境、天气和交通状况。

数据中包含的每种实例类型的信息

仿真也是本次数据集的重点项目，百度的目标是打造一个对真实世界还原程度最高、场景最丰富的仿真平台。

据雷锋网了解，基于该仿真平台，计划将数十辆自动驾驶汽车投入到同一路网中，通过模拟真实的复杂驾驶场景和多车博弈过程，帮助研发人员有效测试和优化预测、决策、路径规划等算法，提高自动驾驶测试的多样性。

为了盘活这部分数据集，吸引更多开发者使用，今年CVPR期间，百度将联合加州大学伯克利分校举办自动驾驶研讨会，希望为全球自动驾驶开发者和研究人员提供一个技术突破和应用创新的平台。

“大系统”与“小模块”

过去，计算机视觉面临的一个常见问题是旧算法不适用于新数据集。

“我们宣称解决了一个问题，但实际上只解决了一个数据集，并不代表我们真正解决了这个问题，这种情况经常发生。”国内一家自动驾驶公司的CTO对雷锋网表示。

例如，我们可以将自动驾驶的“大系统”分解为 100 个小的计算机视觉问题。

但这里有两点值得深思：第一，我们不知道这100个问题中哪一个更重要；第二，我们不知道需要解决哪些问题、解决到什么程度，才可以宣称彻底解决了自动驾驶问题。

因此，如何解决自动驾驶“大系统”与“小模块”之间的问题，是百度数据集下一步需要树立的优势，也是从业者和开发者都需要的自动驾驶数据集。

- 结尾 -