百度Apollo开放ApolloScape数据集 数据量超同类10倍

本篇文章688字，读完约2分钟

北京，3月9日(新华社)阿波罗开放平台在全球自主驾驶领域掀起了一波产业合作的浪潮。美国时间3月8日，百度阿波罗自动驾驶开放平台(Baidu Apollo Automation Open Platform)正式加入伯克利深度驱动，并发布阿波罗数据和尖端技术品牌阿波罗景观，正式开放阿波罗景观大规模自动驾驶数据集。

随着自主驾驶的快速发展，学术界和企业前所未有地紧密联系在一起。加州大学伯克利分校深度驱动深度学习自动驾驶仪行业联盟是由加州大学伯克利分校领导的一个行业联盟，旨在研究计算机视觉和机器学习在汽车领域的前沿技术。包括英伟达、高通、通用、福特等全球自主驾驶领域的20强公司，研究项目涵盖自主驾驶的感知、规划和决策以及深度学习等关键领域。阿波罗开放平台加入深度驾驶联盟，并将与全球自主驾驶领先企业和顶尖学术研究机构携手，通过分享研究成果和交流经验，进一步扩大自主驾驶的R&D实力。百度副总裁、ai技术平台系统(aig)总经理、百度研究院院长王海峰表示:“百度与伯克利的合作将依托阿波罗开放平台的产业化资源和伯克利的顶尖学术团队，加速自主驱动技术的发展。创新、理论创新和落地申请流程。”

在新闻发布会上，百度发布了自主驾驶的开放数据集。在自主驾驶的开发和测试中，海量、高质量的真实数据是不可或缺的“原材料”。然而，很少有团队有能力开发和维护合适的自动驾驶平台，定期校准和收集新数据。阿波罗开放平台(Apollo Open Platform)发布的阿波罗景观，不仅比城市景观和其他类似数据集开放了10倍以上的数据，包括数十万帧以逐像素语义分割为标志的高分辨率图像数据，如感知、模拟场景和道路网络数据，还进一步涵盖了更复杂的环境、天气和交通状况。

就数据难度而言，阿波罗景观数据集涵盖了更复杂的道路条件(例如，一幅图像中有多达162辆汽车或80名行人)。同时，开放数据集采用逐像素语义分割和标注方法，是环境最复杂、标注最准确、数据量最大的数据集。

基蒂、城市景观和阿波罗景观的数据示例比较阿波罗景观出版的整个数据集包含数十万帧高分辨率图像数据，这些数据由逐像素语义分割标记。为了方便研究人员更好地利用数据集的价值，我们定义了26个具有不同语义项(如汽车、自行车、行人、建筑物、路灯等)的数据示例。)中，并将进一步涵盖更复杂的环境、天气和交通状况。

此外，apolloscape还将对前沿的仿真技术进行更多的研究，目标是创建一个具有最高恢复程度和现实世界中最丰富场景的仿真平台；现阶段，apolloscape基于阿波罗仿真平台，计划将几十辆自动驾驶汽车同时放入同一个路网中，模拟真实复杂的驾驶场景和多车游戏过程。它是目前最先进的智能驾驶模拟技术之一，可以帮助R&D人员有效地测试和优化预测、决策和路径规划等算法，显著提高自动驾驶的测试多样性。

创新没有国界，科学技术也没有国界。从巨型企业到顶尖大学，从中国到世界，百度阿波罗开放平台积累了全行业的顶尖实力，掀起了全球合作的热潮。据悉，阿波罗开放平台(apollo Open Platform)将在cvpr(ieee计算机视觉与模式识别国际会议)期间与美国加州大学伯克利分校(University of California，Berkeley)联合举办自主驾驶研讨会，并基于apolloscape的大规模数据集定义一系列任务挑战，为全球自主驾驶开发人员和研究人员提供一个平台，共同探索前沿领域的技术突破和应用创新。