機器之心獲悉百度Apollo自動駕駛開放平臺正式加入加州大學伯克利DeepDrive深度學習自動駕駛產業聯盟（Berkeley DeepDrive），並發布了Apollo數據及前沿技術品牌ApolloScape，正式開放ApolloScape大規模自動駕駛數據集。
加州大學伯克利DeepDrive深度學習自動駕駛產業聯盟是由加州大學伯克利分校領導的研究應用於汽車領域的計算機視覺和機器學習前沿技術的產業聯盟。包括了英偉達、高通、通用、福特等20家全球自動駕駛領域最為頂尖的企業，研究項目覆蓋感知、規劃決策、深度學習等自動駕駛關鍵領域。
百度表示，Apollo開放平臺加入DeepDrive聯盟，將與全球自動駕駛領先企業以及頂級學術研究機構攜手，通過共享研究成果、交流經驗，進一步壯大自動駕駛研發力量。
百度副總裁，AI技術平臺體系(AIG)總負責人、百度研究院院長王海峰表示：「百度和伯克利的合作，將依託Apollo開放平臺的產業化資源和伯克利頂尖的學術團隊，加快自動駕駛的技術創新、理論創新、以及落地應用的進程。」
發布會上，百度ApolloScape重磅發布了自動駕駛開放數據集。自動駕駛開發測試中，海量、高質的真實數據是必不可缺的「原料」。但是，少有團隊有能力開發並維持一個適用的自動駕駛平臺，定期校準並收集新數據。
據介紹，Apollo開放平臺此次發布的ApolloScape不僅開放了比Cityscapes等同類數據集大10倍以上的數據量，包括感知、仿真場景、路網數據等數十萬幀逐像素語義分割標註的高解析度圖像數據，進一步涵蓋更複雜的環境、天氣和交通狀況等。
從數據難度上來看，ApolloScape數據集涵蓋了更複雜的道路狀況（例如，單張圖像中多達162輛交通工具或80名行人），同時開放數據集採用了逐像素語義分割標註的方式，是目前環境最複雜、標註最精準、數據量最大的自動駕駛數據集。
ApolloScape標註數據示例
ApolloScape深度數據示例Kitti，CityScapes和ApolloScape關於數據實例的對比
ApolloScape發布的整個數據集包含數十萬幀逐像素語義分割標註的高解析度圖像數據，為便於研究人員更好的利用數據集的價值，我們在數據集中定義了共26個不同語義項的數據實例（例如汽車、自行車、行人、建築、路燈等），並將進一步涵蓋更複雜的環境、天氣和交通狀況等。
數據中包含的各類實例的信息此外，百度表示，ApolloScape還將進行更多關於仿真的前沿技術研究，目標是打造真實世界還原度最高、場景最豐富的仿真平臺；現階段，基於Apollo仿真平臺，ApolloScape計劃同時將數十輛自動駕駛車輛投入到同一個路網中行駛，可以模擬真實的複雜駕駛場景和多車博弈過程，是目前最先進的智能駕駛仿真技術之一可以幫助研發人員有效檢驗並優化預測、決策和路徑規劃等算法，顯著提升自動駕駛的測試多樣性。
Apollo開放平臺還將與加州大學伯克利分校在CVPR 2018（IEEE國際計算機視覺與模式識別會議）期間聯合舉辦自動駕駛研討會（Workshop on Autonomous Driving），並將基於ApolloScape的大規模數據集定義了多項任務挑戰，為全球自動駕駛開發者和研究人員提供共同探索前沿領域技術突破及應用創新的平臺。
相關賽程及研討會信息請查看http://wad.ai/。
自動駕駛研討會及挑戰賽時間表