在发展自动驾驶技术上滴滴又在学术研究和产业合作上迎来新的进展

在自动驾驶技术的发展上，滴滴在学术研究和产业合作方面都有了新的进展。

4月25日，滴滴与Berkeley DeepDrive产业联盟在京举办CVPR 2019自动驾驶预研讨会，滴滴在会上正式宣布与BDD达成战略合作。

(资料来源：BDD)

BDD是由加州大学伯克利分校领导的产业联盟，研究计算机视觉和机器学习的前沿技术在汽车领域的应用。全球各大自动驾驶公司和很多科技公司都加入了这个产业联盟。据滴滴和BDD介绍，此次双方将围绕智能驾驶这一主题，在前沿研究与应用、顶尖人才培养、学术交流等方向进行全方位的积极探索。

滴滴在自动驾驶技术发展上最大的一个优势就是拥有非常好的交通大数据。3月，滴滴联合BDD发起CVPR 2019 WAD自动驾驶识别挑战赛，滴滴提供大规模、高质量的真实驾驶场景文章数据集D-City(https://gaia.didichuxing.com/d2city)，涵盖12种驾驶类型和道路相关目标标注。

在今年 CVPR 2019，双方还将举办自动驾驶研讨会(WAD)，并组织基于Berkeley BDD100 K(史上最大的自动驾驶文章数据集之一)和滴滴D -City两个大规模、高质量的真实驾驶场景文章数据集的目标检测、目标跟踪和迁移学习挑战赛。

图8滴滴出行信息安全战略副总裁、美国研究院院长龚博士与BDD主任、伯克利人工智能研究所(BAIR)联席主任Trevor Darrell教授(来源：滴滴)

在最近的一次行业评估中，滴滴的人脸检测算法也应运而生。

根据WIDER FACE近日公布的最新评测结果，滴滴AI Labs团队和北京邮电大学PRIS团队提出的人脸检测DFS算法，在易、中、难评测子集的6个评测结果中，有5个取得了一、的第二名成绩。

WIDER FACE是目前业界公布的最大最难的人脸检测数据集之一。它由香港中文大学于2016年建立，包含32，203张图像和393，703个人脸标签。其中，40%的数据是训练，10%是验证，50%是测试。每个集合中的数据被分为简单，中等和硬根据人脸检测的难易程度。

其中，滴滴在简单，中等和硬DFS算法的性能分别达到96.3% AP、95.4% AP和90.7% AP。

该数据集在全局人脸检测领域极具挑战性，因为存在多种影响因素，如人脸大小的变化、拍照角度引起的人脸姿态变化、人脸遮挡程度不同、表情变化、光照强度差异、化妆等。每次评测都会吸引众多国内外科技巨头和高校(包括卡耐基梅隆大学、加州大学圣地亚哥分校、北航、浙江大学、JD.COM、腾讯优图、百度、华为云、IBM沃森研究院等).

图验证集的性能曲线(来源：http://shuoyang1213.me/WIDERFACE/WiderFace_Results.html)

图测试集的性能曲线(来源：http://shuoyang1213.me/WIDERFACE/WiderFace_Results.html)

DFS算法以卷积神经网络中的特征融合为出发点。为了防止高层特征图上的语义信息覆盖低层特征图上的细节信息，提出了一种特征融合金字塔结构，利用空间和通道注意机制融合高层特征和低层特征，在不丢失细节信息的情况下，通过将语义信息作为上下文线索来增强低层特征。此外，DFS算法提出了语义分割分支来辅助单级检测器的训练，促使检测网络实现注意机制，以自我监控的方式学习更好的特征。

具体来说，DFS算法特有的语义分割分支，利用更强的语义分割监督信息对训练网络进行分层监督，使用于预测人脸的各级特征图都集中在最适合检测的不同大小的人脸上。

图DFS算法网络框架图

目前，滴滴平台已广泛使用其开发的人脸检测和识别技术，用于出行过程中的司机-司机差异检测和车内文章录制时的乘客隐私保护等场景。

图滴滴驾驶场景理解平台(来源：DeepTech)

此外，据滴滴AI Labs高级研究员车正平博士和李光宇博士介绍，滴滴AI Labs也在基于其海量真实驾驶数据开发驾驶场景理解平台，基于驾驶场景理解、大数据分析和风险预测，可以提升出行安全和体验。同时也在搭建智能驾驶模拟测试环境，加速滴滴智能驾驶系统的优化迭代。