创新的数据集以加速自动驾驶研究

我们如何训练自动驾驶汽车，让它们对周围的世界有更深的认识?计算机能否从过去的经验中学习，从而认识到未来的模式，从而帮助它们安全地驾驭新的和不可预测的情况?

这些是来自麻省理工学院运输和物流中心和丰田合作安全研究中心(CSRC)的老年研究中心的研究人员试图通过共享一个名为DriveSeg的创新开放数据集来回答的一些问题。

通过DriveSeg的发布，麻省理工学院(MIT)和丰田(Toyota)正致力于推进自动驾驶系统的研究，该系统很像人类的感知，将驾驶环境视为连续的视觉信息流。

首席研究员Bryan Reimer说:“通过共享这个数据集，我们希望鼓励研究人员、业界和其他创新者开发临时人工智能建模的新见解和方向，使下一代辅助驾驶和汽车安全技术成为可能。”“我们与丰田证监会的长期工作关系，使我们的研究努力能够影响未来的安全技术。”

丰田中国证监会高级首席工程师芮尼(Rini Sherony)表示:“预测能力是人类智慧的重要组成部分。”“每当我们开车时，我们总是在跟踪周围环境的运动，以识别潜在的风险，做出更安全的决定。”通过共享这个数据集，我们希望加快对自动驾驶系统和更适应周围复杂环境的先进安全特性的研究。”

到目前为止，提供给研究社区的自动驾驶数据主要由静态的单个图像组成，这些图像可以通过使用“边界框”来识别和跟踪道路内和周围的常见物体，比如自行车、行人或交通灯。相比之下，DriveSeg通过连续视频驾驶场景的镜头，对许多常见的道路物体进行了更精确的像素级表示。这种类型的全场景分割可以特别有助于识别更多的非定形物体，如道路建设和植被，这些物体并不总是具有这样明确和统一的形状。

谢洛尼表示，基于视频的驾驶场景感知提供的数据流更接近动态的真实驾驶情况。它还允许研究人员探索数据模式，随着时间的推移，这可能导致机器学习、场景理解和行为预测的进步。

DriveSeg是免费提供的，研究人员和学术团体可以在下面的链接用于非商业目的。数据由两部分组成。DriveSeg(手动)是一段2分47秒的高分辨率视频，拍摄于白天在马萨诸塞州剑桥市繁忙的街道上。该视频的5000帧密集地手工标注了12类道路物体的每像素人工标签。

DriveSeg(半自动)是20,100个视频帧(67个10秒视频剪辑)从麻省理工学院先进汽车技术(AVT)联盟的数据。DriveSeg(半自动)与DriveSeg(手动)使用相同的像素语义注释，只是注释是通过MIT开发的一种新型半自动注释方法完成的。这种方法同时利用手工和计算工作，以比手工注释更低的成本更有效地对数据进行粗略注释。创建该数据集的目的是评估在广泛的真实驾驶场景中进行注释的可行性，并评估在基于人工智能的标签系统创建的像素标签上训练车辆感知系统的潜力。