滴滴出席计算机视觉顶级会议ICCV，分享计算机视觉在出行场景下的探索与实践

点击上方“蓝色字体”，选择“置顶公众号”

精彩内容，即刻送达

计算机视觉顶级会议ICCV 揭秘

被誉为全球计算机视觉领域三大顶级会议之一的 ICCV （国际计算机视觉会议），于 10 月 27 日-11 月 2 日在韩国首尔举行。本届ICCV热度场面火，注册参会人数再创新高，超过7000人，是2017年ICCV的2倍。ICCV2019共收到论文投稿4303篇，最终入围1075篇（官方数据），接受率为25%，较上届的29%有所下降。中国350多篇论文被接受，位列世界第一，美国排第二，其次是德国、韩国。滴滴本次作为金牌赞助商出席参加ICCV 2019。

ICCV 2019 论文接受情况

计算机视觉在出行领域探索 – 论文解读

DBUS: 人类驾驶行为理解系统

自动驾驶研讨会（AD workshop ）滴滴论文口头报告

在智能交通系统（Intelligent Transportation Systems, ITS）中，对人类的驾驶行为的了解十分重要。无论在自动驾驶系统还是构建V2X系统，我们都需要了解人类是如何驾驶汽车的，并深入挖掘驾驶行为与环境互动的关系。

本文提出一种实时驾驶行为理解系统，通过对前视视频和车载GPS/IMU信号分析，提出了三层特征表达方式，刻画出基本驾驶行为（action）、驾驶意图（intention）和驾驶关注点（attention），进而对人类驾驶行为进行进一步理解与分析。针对于实时驾驶行为分析，DBUS包含三个模块：感知模块，驾驶行为分析模块和场景检索模块。特别地，本文提出了一个融合基于规则的基本驾驶行为推理和结合驾驶意图和驾驶关注点的推理模型（INFER）来对驾驶行为进行分析。最后，通过检索模块实现场景快速查找，得到实时分析结果。

经过大量离线数据测试以及平台模拟测试，本系统可支持多种传感器输入，并为下游业务提供准确性高场景理解、响应速度快场景检索等功能。

论文海报《DBUS：人类驾驶行为理解系统》

论文地址

扫描二维码  即刻获取论文

计算机视觉在出行领域实践

计算机视觉为出行安全保驾护航。人脸识别、OCR技术、虚假图像识别等技术在行程前、行程中及行程后辅助于全程司乘安全保障体系中。例如，人像认证是滴滴出行司机乘客安全保障的重要组成部分，主要用于认证车主、司机身份。数据显示，当前平台针对司机日均人脸验证达430万人次，覆盖全量司机的出车验证和行程中抽检，月均人工抽检复核60万人次。

计算机视觉提升用户体验。大型场站内GPS信号弱无法精确定位、加上场地面积大、路线复杂，造成一些机场、火车站、大型商场等区域的司乘会面成本高，降低了司乘体验和接驾效率。为解决大型场站司乘会面的痛点，滴滴尝试利用图像定位和惯性导航相结合的AR导航技术引导乘客，在精确定位出乘客位置后，通过沉浸式的箭头和路标等虚拟元素指引乘客轻松找到推荐上车点。

视觉智能赋能出行领域上下游。滴滴AI现已在多业务领域广泛落地，包括智能运营、智能地图、智能客服、出行安全、智能车载、智慧交通等等。目前已具备以视觉智能、语音智能、语言智能、数据智能、时空智能与服务，提供合计56项AI开放能力。同时，整合滴滴AI优势能力与行业资源，推出4大领域AI解决方案，例如面向车企、车载IoT厂商、B端车辆运营商，提供包含DMS、智能高级驾驶辅助、智能运营安全管理、智能运营质检分析的整体解决方案。我们关注驾驶安全，打磨出整套端云一体化解决方案。

技术团队分享视觉技术在滴滴的应用

视觉下一步挑战：感知与自动驾驶

自动驾驶车辆想要在路上安全行驶，首要的是能够准确感知周围环境。自动驾驶系统的环境感知部分通常需要获取大量周围环境信息，确保自动车对车身周围环境的正确理解和对应决策。滴滴技术团队介绍通过利用大数据和深度学习实现基于激光雷达、毫米波雷达、摄像头数据对2D/3D物体进行检测，目前可实现行人检测最大范围是70米，车辆在100米以上。还详细介绍了滴滴近期的自动驾驶测试情况，目前滴滴已拥有超过100人的自动驾驶团队，在中国、美国多地开展测试。在积极开展路测的同时，技术团队也在逐步尝试运用丰富而多样的网约车数据训练算法模型。

滴滴自动驾驶团队进行技术分享

再启迁移学习挑战赛，邀你NeurIPS 19一战

NeurIPS(Conference on Neural Information Processing Systems)是人工智能和机器学习领域国际顶级会议，今年将于12月8日-14日在加拿大温哥华举行。CVPR 2019，滴滴首次举办D²-City挑战赛，本次NeurIPS，滴滴将继续在ML4AD Workshop上（Workshop on Machine Learning for Autonomous Driving）发布目标检测迁移学习任务。 迁移学习挑战赛建立在滴滴于今年3月份发布的D²-City数据集与Berkeley DeepDrive发布的BDD100K数据集上。D²-City是一个大规模、高质量的真实驾驶场景视频数据集（https://gaia.didichuxing.com/d2city）, 涵盖12类行车和道路相关的目标标注。参赛者需要利用采集自美国的BDD100K数据，训练目标检测模型用于采集自中国的D²-City数据。 即日起，全球企业、研究机构和院校均可组成参赛队伍，在挑战赛官网（https://ml4ad.github.io/#challenge）进行报名。 挑战赛将于2019年11月30日(PST)截止。 最终优胜团队奖项将在12月14日(PST)的NeurIPS 2019 ML4AD研讨会上正式颁发。

相关阅读

编辑 | 贺贺

阅读原文，

了解关于挑战赛更多信息！