一向低调的滴滴自动驾驶团队最近又有新动作了。
继5月加州自动驾驶路测获批后，滴滴AI Labs研究团队近日亮相盐湖城CVPR，斩获自动驾驶领域世界级奖项。
此外，此前还与汽车产业链企业建立了Torrent联盟。
在积极开发自主软件技术的同时，不断扩大汽车行业上下游合作，加快在中美两国进行车辆测试。
自动驾驶已经成为滴滴未来出行版图的重要组成部分。
一环扣一环，整体布局慢慢浮现。
极客“世界杯”CVPR是计算机视觉和模式识别领域的全球顶级学术会议。
其组织的挑战赛也被认为是全球计算机视觉研发人员积极参与的极客“世界杯”。
今年最受关注的当属WAD自动驾驶挑战赛。
注意力。
WAD 由自动驾驶研讨会组织。
由于数据规模大、难度高，本次WAD吸引了来自全球200多家企业、大学和机构参与。
在最终公布的获奖名单中，记者注意到，滴滴队战胜了众多竞争对手，获得了第二、第三、第四名。
获奖名单显示，滴滴AI实验室的研究人员参加了语义分割的领域适应、可行驶区域分割和实例级视频分割三个竞赛。
。
其中，领域适应语义分割竞赛要求参赛者利用迁移学习技术对视频图像进行语义分割，在标注的源数据上训练模型，并将其应用到目标领域数据中。
该任务的难度在于源域和目标域之间的地理位置、天气条件、时间等条件存在显着差异。
例如，利用从加州收集的交通数据来训练模型并成功地将其应用到北京的道路测试数据中是一个巨大的挑战。
可行驶区域分割要求参赛者能够在多种场景下识别车辆所在的当前车道以及其他可以同向行驶的车道，特别是测试算法在车道线缺失等各种困难情况下的表现，车辆堵塞、复杂路口。
表现。
实例视频分割要求参赛者对视频中的每一帧进行像素级的分割，识别图像中的每个不同的实例对象，如行人、汽车、自行车等，这对于算法来说具有很高的准确率和召回率。
要求。
滴滴AI Labs研究团队基于包括Mask R-CNN、DeepLabv3+等多种前沿深度学习算法模型，结合自身在计算机视觉、智能驾驶领域的探索和积累，从模型结构到多尺度融合。
针对每项任务的难点，从训练流程优化等方面设计有针对性的方法。
最终，他在三项比赛中脱颖而出，分别获得第二、第三、第四名。
以参赛队伍最多的实例视频分割比赛为例，现有的主流模型在更简单的场景中都可以表现良好，例如对道路正前方或附近的车辆进行识别和分割。
但这些模型对于存在大量重叠物体和遮挡的复杂场景，例如远处的小目标、路边交叉口等，处理能力较差，模型漏报等问题也较为严重。
滴滴团队采用数据增强的方法，生成大量用于小目标物体检测的训练样本，针对多尺度数据设计和训练不同的深度模型，融合各个层级的特征和最终的预测层级，同时尝试引入语义分割作为辅助目标和附加特征用于降低模型的误报率，有效提高模型对较小目标的识别能力。
技术叠加场景 据了解，这是滴滴首次公开参与国际挑战赛。
今年1月，滴滴正式成立AI实验室，探索AI领域的技术问题，专注于前瞻性技术研究和应用，布局下一代技术，不断提高用户出行效率和优化出行体验，利用技术打造智慧出行新生态。
。
以计算机视觉技术为例，滴滴AI实验室主要聚焦于光学字符识别、人脸识别、质检、感知、理解、交互等技术，提供出行服务标准质检、出行流量感知和识别等技术解决方案。
理解、智能交互。
。
计算机视觉、深度学习、如何配置传感器等只是智能驾驶核心技术的第一道门槛。
第二个挑战是解决过渡时期行人、无人车、有人车、自行车混合通行的问题。
最后的挑战是将这项技术落地到各种实际场景中进行有序应用。
这次WAD的“首胜”，一定程度上展现了滴滴团队在计算机视觉和自动驾驶各应用场景的强大实力和技术储备。
这也验证了相关技术未来将在滴滴出行平台上大规模落地。
商业化的可能性和前景。
据悉，滴滴一直在积极布局智能驾驶技术的研发，希望最大限度地减少交通中人为因素的影响，利用机器学习共享交通信息，告别交通事故，最终最大限度地保证交通安全。
去年成立的滴滴美国研究院的研发重点是自动驾驶。
滴滴平台每天产生的大量数据为训练智能驾驶技术创造了独特的基础。
在今年2月的滴滴年会上，张博还首次发布了智能驾驶技术的视频。
视频演示了自动驾驶模式下的白色汽车能够高效识别行人、静态障碍物、动态车辆，顺利完成路口左右转弯、道路规划等操作。
滴滴自动驾驶汽车（白色）正在测试 不仅如此，今年4月，滴滴还宣布联合31家汽车产业链企业成立红流联盟，共同打造开放汽车平台。
发布会上，滴滴表示将与汽车企业共同定义和开发未来共享出行的智能汽车。
与传统汽车相比，它更清洁、更智能，将更适合未来的共享出行场景，让更多人更轻松地共享交通资源，提高城市交通的整体出行效率。
红流联盟的成立，无疑有效保障了滴滴智能驾驶技术的未来应用。
今年5月，滴滴正式获得加州路测牌照。
随着滴滴此次亮相自动驾驶挑战赛，可以预见的是，滴滴也将投入更多的资源，更积极地进行测试。
据记者了解，滴滴的自动驾驶研究团队目前有100多人，在中国和美国拥有40辆测试车辆。