简介：滴滴携手加州大学伯克利分校DeepDrive联盟(BDD)，于CVPR 2019启动了WAD自动驾驶识别挑战赛，邀请全球算法高手共襄盛举，攻克自动驾驶领域核心难题。该赛事聚焦于目标检测、目标跟踪以及大规模检测插值三项任务，通过真实驾驶场景视频数据集D²-City，推动前沿算法的研发与应用。
随着人工智能技术的飞速发展，自动驾驶已成为汽车行业的热门话题。然而，自动驾驶技术的实现仍面临诸多挑战，尤其是在复杂多变的真实驾驶场景中。为了推动自动驾驶技术的突破，滴滴联合加州大学伯克利分校DeepDrive深度学习自动驾驶产业联盟（BDD），于CVPR 2019启动了WAD自动驾驶识别挑战赛，旨在汇聚全球算法高手的智慧，共同攻克自动驾驶领域的重点难题。
此次挑战赛聚焦于三项关键任务：目标检测迁移学习、目标跟踪迁移学习以及大规模检测插值探索。这些任务均是自动驾驶技术的核心组成部分，对于实现安全、高效的自动驾驶具有重要意义。
在目标检测迁移学习挑战赛中，参赛者需要利用采集自美国的BDD100K数据集，训练出能够在采集自中国的D²-City数据集上运行的目标检测模型。这一任务要求参赛者具备强大的迁移学习能力，将不同地域、不同场景下的数据有效融合，实现模型的泛化和适应。
目标跟踪迁移学习挑战赛则要求参赛者利用D²-City数据集训练模型，并将其应用于BDD100K数据集。这一任务考验了参赛者在目标跟踪算法上的创新能力和实践能力，需要在不同数据集之间实现模型的迁移和优化。
在大规模检测插值探索赛中，参赛者需要在D²-City数据集上，对只提供了关键帧标注的视频进行整段视频的框检测结果补全。这项任务旨在鼓励参赛者在目标检测、插值、检测追踪、域适应等各个领域进行深入研究，探索出更加高效、准确的算法。
为了支持此次挑战赛，滴滴提供了一个大规模、高质量的真实驾驶场景视频数据集D²-City。该数据集涵盖了12类行车和道路相关的目标标注，为参赛者提供了丰富的数据资源和研究基础。同时，滴滴还提供了详细的比赛规则、评判标准和奖励机制，以吸引更多的优秀算法选手参与挑战。
作为全球领先的出行平台，滴滴一直在积极推动自动驾驶技术的研发和应用。此次联合BDD启动CVPR 2019 WAD挑战赛，不仅展示了滴滴在自动驾驶领域的实力和决心，也为自动驾驶技术的发展注入了新的活力。
对于参赛者来说，此次挑战赛不仅是一次展示自己算法实力的机会，更是一次与全球顶尖算法高手交流学习的机会。通过参与比赛，参赛者可以深入了解自动驾驶领域的最新技术动态和发展趋势，提升自己的算法水平和创新能力。
总之，滴滴联合BDD启动CVPR 2019 WAD挑战赛，为自动驾驶领域的发展注入了新的动力。通过汇聚全球算法高手的智慧和力量，我们有望在未来看到更加安全、高效、智能的自动驾驶技术成为现实。让我们共同期待这一天的到来！