3月28日，滴滴携手加州大学伯克利分校DeepDrive深度学习自动驾驶产业联盟（BDD） CVPR WAD自动驾驶识别挑战赛正式启动，邀请全球算法高手挑战自动驾驶领域关键问题。
CVPR（计算机视觉和模式识别会议）是计算机视觉和模式识别领域的全球顶级会议。
今年将于6月16日至20日在美国长滩举行。
CVPR WAD挑战赛（Workshop on Autonomous Driving）是全球顶级的以自动驾驶视觉为核心的评测竞赛。
它以数据规模大、难度高而闻名。
每年，CVPR WAD挑战赛都会吸引来自全球工业界和学术界的众多专家。
公路顶级球队参加。
本次CVPR WAD挑战赛基于多个驾驶数据集，总共提供了四个新的自动驾驶相关任务。
其中，滴滴参与提出了目标检测迁移学习、目标跟踪迁移学习、大规模检测插值三项任务，并提供了大规模、高质量的真实驾驶场景视频数据集D2-City（12类驾驶和道路相关的目标标注旨在鼓励相关领域尖端算法的发明和实现，两项迁移学习挑战均基于滴滴发布的D2-City数据集和BDD发布的BDDK数据集。
比赛中，参赛者需要使用从美国收集的BDDK数据来训练目标检测模型；在目标跟踪迁移学习挑战赛中，参赛者需要使用D2-City数据来训练模型；将其应用到BDDK Data中，在大规模检测插值探索竞赛中，参赛者需要基于D2-City数据集完成整个视频的帧检测结果，该数据集仅提供关键帧标注。
目标检测、插值、检测跟踪、领域自适应等各领域组合应用的相关研究。
参与者可以使用BDDK数据集和其他公开的相关数据集或使用一些手动注释修正来改进最终结果。
与一些公开的自动驾驶数据集相比，本次发布的D2-City数据集提供了更多在光照不足、雨雾等复杂或具有挑战性的天气、交通和采集条件下采集的真实场景数据。
、道路拥堵、图像清晰度低等，覆盖中国不同城市的驾驶场景。
同时，D2-City数据集还计划提供大规模的精确标注信息，包括数千个视频和数十万个关键帧的目标检测标注，以及近千个视频的目标跟踪标注。
即日起，全球企业、研究机构和学校均可在挑战赛官网组建参赛团队（截止日期为2020年5月31日），最终优胜团队奖项将于6月CVPR自动驾驶研讨会上正式颁发17、滴滴表示，滴滴希望未来构建高效、开放、可持续的出行新生态，并携手BDD举办CVPR WAD挑战赛。
它还希望鼓励研究人员设计和使用迁移学习，以利用现有的领域知识来帮助解决不同但相关领域的问题。
类似问题可以有效促进自动驾驶相关视觉算法在不同环境和条件下的实际落地；同时鼓励相关研究人员和从业者通过算法性能提升、合理利用人力等手段，进一步提高标注速度和质量，降低标注成本。
“我们欢迎全球算法高手加入我们，共同激发更多技术创新。