百度开放大规模自动驾驶数据集ApolloScape， 超同类10倍数量级

机器之心获悉百度Apollo自动驾驶开放平台正式加入加州大学伯克利DeepDrive深度学习自动驾驶产业联盟（Berkeley DeepDrive），并发布了Apollo数据及前沿技术品牌ApolloScape，正式开放ApolloScape大规模自动驾驶数据集。

加州大学伯克利DeepDrive深度学习自动驾驶产业联盟是由加州大学伯克利分校领导的研究应用于汽车领域的计算机视觉和机器学习前沿技术的产业联盟。包括了英伟达、高通、通用、福特等20家全球自动驾驶领域最为顶尖的企业，研究项目覆盖感知、规划决策、深度学习等自动驾驶关键领域。

百度表示，Apollo开放平台加入DeepDrive联盟，将与全球自动驾驶领先企业以及顶级学术研究机构携手，通过共享研究成果、交流经验，进一步壮大自动驾驶研发力量。

百度副总裁，AI技术平台体系(AIG)总负责人、百度研究院院长王海峰表示：“百度和伯克利的合作，将依托Apollo开放平台的产业化资源和伯克利顶尖的学术团队，加快自动驾驶的技术创新、理论创新、以及落地应用的进程。”

发布会上，百度ApolloScape重磅发布了自动驾驶开放数据集。自动驾驶开发测试中，海量、高质的真实数据是必不可缺的“原料”。但是，少有团队有能力开发并维持一个适用的自动驾驶平台，定期校准并收集新数据。

据介绍，Apollo开放平台此次发布的ApolloScape不仅开放了比Cityscapes等同类数据集大10倍以上的数据量，包括感知、仿真场景、路网数据等数十万帧逐像素语义分割标注的高分辨率图像数据，进一步涵盖更复杂的环境、天气和交通状况等。

从数据难度上来看，ApolloScape数据集涵盖了更复杂的道路状况（例如，单张图像中多达162辆交通工具或80名行人），同时开放数据集采用了逐像素语义分割标注的方式，是目前环境最复杂、标注最精准、数据量最大的自动驾驶数据集。

ApolloScape标注数据示例

ApolloScape深度数据示例

Kitti，CityScapes和ApolloScape关于数据实例的对比

ApolloScape发布的整个数据集包含数十万帧逐像素语义分割标注的高分辨率图像数据，为便于研究人员更好的利用数据集的价值，我们在数据集中定义了共26个不同语义项的数据实例（例如汽车、自行车、行人、建筑、路灯等），并将进一步涵盖更复杂的环境、天气和交通状况等。

数据中包含的各类实例的信息

此外，百度表示，ApolloScape还将进行更多关于仿真的前沿技术研究，目标是打造真实世界还原度最高、场景最丰富的仿真平台；现阶段，基于Apollo仿真平台，ApolloScape计划同时将数十辆自动驾驶车辆投入到同一个路网中行驶，可以模拟真实的复杂驾驶场景和多车博弈过程，是目前最先进的智能驾驶仿真技术之一可以帮助研发人员有效检验并优化预测、决策和路径规划等算法，显著提升自动驾驶的测试多样性。

Apollo开放平台还将与加州大学伯克利分校在CVPR 2018（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），并将基于ApolloScape的大规模数据集定义了多项任务挑战，为全球自动驾驶开发者和研究人员提供共同探索前沿领域技术突破及应用创新的平台。

相关赛程及研讨会信息请查看http://wad.ai/。

自动驾驶研讨会及挑战赛时间表