近日，UC Berkeley 发布了迄今为止规模最大、最多样化的开放驾驶视频数据集 —— BDD100K。该数据集共包含 10 万个视频，BAIR 研究者在视频上采样关键帧，并为这些关键帧提供注释。此外，BAIR 还将在 CVPR 2018 自动驾驶 Workshop 上基于其数据举办三项挑战赛。
自动驾驶将改变每个社区的生活。然而，最近的事件表明，在自动驾驶系统部署到现实世界中后，人造感知系统如何避免错误（甚至看似明显的错误）还不得而知。BAIR 的计算机视觉研究者有兴趣探索自动驾驶感知算法的前沿，以使其更加安全。为了设计和测试潜在的算法，研究者想利用真实驾驶平台收集数据中的所有信息。这种数据有四个主要特点：大规模、多样化、在街上采集、具有时间信息。数据多样性对于测试感知算法的鲁棒性尤为重要。但是，当前的开放数据集只能覆盖上述属性的一部分。因此，在 Nexar 的帮助下，BAIR 将发布 BDD100K 数据库，这是迄今为止用于计算机视觉研究的最大、最多样化的开放驾驶视频数据集。该项目由伯克利 DeepDrive 产业联盟组织和赞助，该联盟研究计算机视觉和机器学习在汽车应用上的最新技术。
项目 GitHub 地址