网站首页| 网站地图| RSS

中国网圈网| 加入收藏夹 设为首页

热门关键字: 中大博学院企业广州三星行业广东互联网品牌中国浼佷笟

更多
雷格设计
御美养生美容
利富塑电
广州东尼照明科技有限公司

企业发布

首页 > 企业发布 > 详细内容

禾赛科技携手Scale AI发布开源数据集,含37种语义标签、超百个场景

2020/7/9 20:04:00 来源:中国企业新闻网

导言:自动驾驶的发展离不开数据。近日,禾赛科技与Scale AI联合发布了自动驾驶开源数据集 -- PandaSet。PandaSet采用禾赛科技先进的激光雷达进行数据采集,并通过Scale AI强大的标注平台进行精准的数据标注,为从事自动驾驶研发的公司、机构和个人,提供了内容丰富、目标物密集的高质量免费数据。

  自动驾驶的发展离不开数据。近日,禾赛科技与Scale AI联合发布了自动驾驶开源数据集 -- PandaSet。PandaSet采用禾赛科技先进的激光雷达进行数据采集,并通过Scale AI强大的标注平台进行精准的数据标注,为从事自动驾驶研发的公司、机构和个人,提供了内容丰富、目标物密集的高质量免费数据。

  盘点全球人工智能数据平台,Scale AI是当之无愧的领军者。这家由华裔青年Alexandr Wang在19岁时参与创立的公司,自成立以来一直深受投资者的青睐,仅用3年时间就成为了市值超10亿美元的独角兽企业。依托强大的技术实力,Scale AI结合人工标注、智能工具和标注质量保证体系,推出了面向传感器数据、图像、视频和文本的一系列标注产品,为人工智能应用提供了一流的培训和验证数据。而作为全球领先的激光雷达制造商,禾赛科技则凭借自主研发的微振镜和波形加密技术,始终引领传感器创新的发展方向,目前已布局400多项专利,客户遍布全球21个国家和地区的70座城市。此次禾赛科技与Scale AI携手打造PandaSet开源数据集,无疑为自动驾驶行业的发展注入了新的活力。

  在自动驾驶的发展进程中,数据是处于核心地位的生产资料,代表着一家公司的核心竞争力,也决定着自动驾驶能否实现安全和稳定。以往,自动驾驶“玩家”对自己的数据普遍呈现出敏感的姿态,而随着自动驾驶的实现难度越来越浮出水面,大家也逐渐认识到单打独斗绝对不行,开放合作才是正途,于是开源数据集成为了很多自动驾驶公司的选择。

  截至目前,Waymo、Cruise、百度、Uber、Lyft、Aptiv等全球领先的自动驾驶公司都已陆续开源了自己的数据集,对促进自动驾驶整体研发进程起到了举足轻重的作用。不过,开源数据集并不是自动驾驶公司的“专利”,传感器企业同样有能力在这一领域大显身手,甚至可能比自动驾驶公司做得更好。禾赛科技与Scale AI联合发布PandaSet就是很好的例子,它为自动驾驶行业链条上的很多企业开辟了崭新的发展思路。

  PandaSet开源数据集内容概览

  PandaSet:疫情期间的一场及时雨

  高质量标注数据是训练深度学习算法的“燃料”。目前,全球的自动驾驶公司所使用的深度学习算法,基本都需要使用标注数据来进行训练——只有通过不断学习标注数据,深度学习算法模型才能够帮助自动驾驶汽车更好地识别障碍物。而除了自动驾驶公司,其他自动驾驶算法开发者,例如学生、学术机构等,同样对高质量标注数据有着持续、强烈的需求。

  然而,今年以来,受新冠肺炎疫情冲击,一大批自动驾驶公司不得不暂停路测工作,直接导致可用路测数据的减少甚至断供,对自动驾驶深度学习算法模型的训练造成了严重影响。 在这样的背景下,近日禾赛科技与Scale AI联合发布了PandaSet开源数据集,为众多自动驾驶算法开发者带来了一场及时雨。

  PandaSet数据集采用2款激光雷达和6个摄像头进行数据采集,包含超过16000帧激光雷达点云和超过48000张照片,共100多个场景。除了激光雷达点云和照片外,数据集还包含GPS(全球定位系统)/IMU(惯性传感器)、标定参数、标注、SDK(软件开发工具包)等信息。

  PandaSet点云、照片标注对照

  PandaSet数据采集的两款激光雷达Pandar64和PandarGT,以及配置6个摄像头

  尤其值得关注的是,PandaSet数据集对100多个场景的每个场景都进行了目标检测,共检测28类物体;大多数场景还进行了语义分割,共37种语义标签。目标检测采用传统的长方体标注,例如,自行车和汽车可以用长方体线框框出来。而对于激光雷达点云数据,并非每个点都隶属于某一目标物,因此数据集还通过点云分割工具精确标注了每个点的语义标签。如此细腻的标注,也为深度学习算法模型提供了绝佳的数据资料。

  PandaSet数据集还通过点云分割工具精确标注了每个点的语义标签

  对于一个自动驾驶数据集,场景的多样性和复杂性是衡量其优劣程度的重要标准之一。PandaSet数据集中的所有数据均采集自旧金山的城区道路和硅谷的郊区道路,这些道路涵盖了汽车、自行车、交通灯、行人、建筑物等各种各样的交通信息,是对自动驾驶挑战性最大的一类应用场景。此外,PandaSet数据集的数据覆盖了白天和黑夜,也让其具备了很强的适用性。

  夜晚场景的三维框标注

  别被不可靠的数据集带沟里

  对于自动驾驶研发者,如果想要训练出优秀的深度学习算法模型,就必须在选择数据集时格外擦亮双眼。因为一些不可靠的数据集,非但不能很好地训练算法,反而会给算法带来巨大危害,起到适得其反的作用。那么,什么样的数据集是不可靠的呢?简单来说,不准确、不完整的数据集就是不可靠的数据集。

  一些不准确、不完整的数据集正在把自动驾驶汽车带沟里,其中也包括知名数据集。一个被广泛使用的、包含15000张图片的开源数据集,在该数据集中发现了数千张缺少标注的图片,其中有数百张甚至没有任何标注,但这些图片中确实有小汽车、卡车、自行车、街灯或行人。不仅如此,该数据集还存在虚假标注、复制粘贴的情况,有些标注框的体积明显超标。

  “成千上万的学生都在使用开源数据集支持自己的自动驾驶项目,但质量堪忧的数据集极易误导算法模型,从而导致自动驾驶汽车做出糟糕决策,这对于自动驾驶的研发是灾难性的。”

  事实上,数据集的准确性和完整性与数据采集、数据标注的流程密切相关。例如,在数据采集中,如果采集车搭载的传感器性能很差,那么采集到的数据质量一定也会很差,直接影响后续的标注及最终的使用。而在数据标注中,如果没有一套完整的标注方法,就很容易出现各种错误标记,如:未标出画面中存在的物体,反而标出不存在的物体,或者标注框没有贴合实际物体,甚至与实际物体发生大幅偏移。

  对于如何打造一个高质量数据集,PandaSet是一个优秀案例。在数据采集中,PandaSet用于数据采集的两款激光雷达均为业内领先产品,这两款激光雷达由禾赛科技自主研发,一款是具有图像级分辨率的前向激光雷达PandarGT,另一款是64线机械旋转式激光雷达Pandar64,保证采集到的点云足够准确、清晰、细腻 -- 世界上现有的开源数据集普遍采集较早,还鲜有使用Pandar64和PandarGT这样的高性能激光雷达来采集数据。

  此外,在数据标注中,负责该部分的Scale AI作为标注领域的翘楚,具有一套非常严格的标注体系,包括怎么标注、怎么检查、怎么复核、怎么对不合格的标注进行重新标注、怎么管理和考评负责标注的员工等。在整个标注流程中,Scale AI以人工作业为主,结合计算机辅助,充分保证了数据标注的完整性和准确性。

  开源数据集是大势所趋

  作为自动驾驶行业的领头羊,Waymo也在去年发布了自己的开源数据集Waymo Open Dataset。该数据集包含20万帧画面、1200万条3D标注和120万条2D注释。Waymo希望自家的数据集能够帮助研发者在2D和3D感知、场景理解、行为预测等方面取得进展,从而不断提高自动驾驶汽车的性能,并促进计算机视觉和机器人等其他相关领域的应用。

  在Waymo发布开源数据集之前,Cruise、百度、Uber、Aptiv等处于领先梯队的自动驾驶公司都已发布了自己的开源数据集。而在Waymo发布开源数据集之后,又有多家公司发布了自动驾驶开源数据集,例如Lyft、福特、奥迪等。

  通观自动驾驶开源数据集的发展历程可见,在PandaSet发布之前,开源数据集基本都是自动驾驶公司的“专利”。而禾赛科技的“入局”,则以传感器企业的特殊视角为这一领域添上了一抹亮色,同时也让人们看到了传感器企业在自动驾驶赛场上的更多可能性。

  事实上,相比于那些自动驾驶“头部玩家”,传感器企业在开源数据集中的表现并不逊色。以PandaSet为例,该数据集就拥有其他很多数据集没有的优势:采集数据的传感器业内顶尖,采集场景多样化,采集信息密度高,数据标注详尽准确并进行了精细的语义分割。还有非常重要的一点就是,PandaSet面向学术及商业应用均完全开源免费——不像很多开源数据集其实是有商用限制的。不过,PandaSet也有其局限性,例如:总的场景量和数据量均不够大,缺少不同天气状况下的数据,缺少短距激光雷达数据。

  当然,PandaSet对于禾赛科技和Scale AI都只是一个开端而已。未来,两家公司将继续深入合作,采用更高线数的激光雷达以及PandarQT等短距激光雷达,采集更多场景、更多数据,并进一步优化标注方法、标注流程,让数据集更丰富、全面,让细节更完美。

  禾赛科技表示,参与开源数据集是一个非常正确的决定,不仅因为这是同行没做过的事,也因为可以从中取得很多收获。

  “一方面,PandaSet数据集为自动驾驶行业丰富了数据,让研发者有更多、更全面、更高质量的数据可以应用和参考,特别是对那些缺少资金和渠道来获取可靠数据集的学生们,帮助巨大。另一方面,数据集也让更多人看到了禾赛激光雷达的表现,有助于吸引客户购买我们的产品。此外,数据采集过程涉及采集车的搭建、不同传感器的融合、多传感器之间的标定……这些都是自动驾驶公司做的事,对禾赛团队是前所未有的考验,也让我们在实践中大大提升了自己的能力。”

  就目前而言,开源数据集是大势所趋,是利人利己的一件事。因为自动驾驶数据采集是一个周期长、地域广的超大型项目,如果各家企业都能将自己的数据进行共享,并吸引更多企业和研发者应用并补充数据集,就可以为整个行业大大缩减数据采集时间,从而促进自动驾驶早日实现商业化落地。而从企业自身出发,如果自家的数据或代码被广泛采用,甚至连竞争对手也大量采用,就相当于在业内树立起了一个非正式标准,对企业地位提升和长远发展意义重大。

免责声明:

※ 以上所展示的信息来自媒体转载或由企业自行提供,其原创性以及文中陈述文字和内容未经本网站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本网站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。如果以上内容侵犯您的版权或者非授权发布和其它问题需要同本网联系的,请在30日内进行。
※ 有关作品版权事宜请联系中国企业新闻网:020-34333079 邮箱:cenn_gd@126.com 我们将在24小时内审核并处理。

分享到:
[责任编辑:姚小冰]
更多新闻,请关注
中国企业新闻网

标签 :

网客评论

关于我们 | CENN服务 | 对外合作 | 刊登广告 | 法律声明 | 联系我们 | 手机版
客户服务热线:020-34333079、34333137 传真:020-34333002  举报电话:020-34333002、13925138999(春雷) 举报邮箱:cenn_gd@126.com
版权所有:中国企业新闻网 运营商:广州至高点网络技术有限公司 地址:广州市海珠区江燕路353号保利红棉48栋1004

粤ICP备12024738号-1 粤公网安备 44010602001889号