3月28日，滴滴聯合加州大學伯克利分校DeepDrive深度學習自動駕駛產業聯盟（BDD）正式啟動CVPR 2019 WAD自動駕駛識別挑戰賽，邀請全球演算法高手來挑戰自動駕駛領域重點難題。
CVPR(Conference on Computer Vision and Pattern Recognition)是全球計算機視覺與模式識別頂級會議，今年將於6月16日-20日在美國長灘舉行。CVPR WAD挑戰賽（Workshop on Autonomous Driving）則是國際上以自動駕駛視覺為核心的頂級評測大賽，以資料規模大、難度高著稱，每年CVPR WAD挑戰賽都能吸引全球業界和學術界的多路頂級團隊參與。
本次CVPR 2019 WAD挑戰賽共提供了四項全新的基於多個駕駛資料集的自動駕駛相關任務。其中，滴滴共參與提出目標檢測遷移學習、目標跟蹤遷移學習、大規模檢測插值三項任務，並提供一個大規模、高質量的真實駕駛場景視訊資料集D²-City（https://gaia.didichuxing.com/d2city），涵蓋12類行車和道路相關的目標標註，旨在鼓勵相關領域前沿演算法的發明與實現。
兩項遷移學習挑戰賽均建立在滴滴此次釋出的D²-City資料集與BDD釋出的BDD100K資料集上。目標檢測遷移學習挑戰賽中，參賽者需要利用採集自美國的BDD100K資料，訓練目標檢測模型用於採集自中國的D²-City資料；目標跟蹤遷移學習挑戰賽中，參賽者需要利用D²-City資料訓練模型應用於BDD100K資料。
而在大規模檢測插值探索賽中，參賽者需要基於D²-City資料集，在大量只提供了關鍵幀標註的視訊上補全整段視訊的框檢測結果。這項探索賽致力於鼓勵在目標檢測、插值、檢測追蹤、域適應等各領域結合的應用的相關研究。參賽者可以利用BDD100K資料集和其他公開可用的相關資料集或是藉助部分人工標註修正去提升最終結果。
與現有的自動駕駛公開資料集相比，此次釋出的D²-City資料集提供了更多在複雜或有挑戰性的天氣、交通、採集狀況下所收集的真實場景資料，如光線不足、雨霧天氣、道路擁堵、影象清晰度低等，涵蓋了中國不同城市的駕駛場景。同時，D²-City資料集也計劃提供大規模的精準標註資訊，包括在數千段視訊、數十萬關鍵幀上的目標檢測標註及在近千段視訊上的目標跟蹤標註。
即日起，全球企業、研究機構和院校均可組成參賽隊伍在挑戰賽官網（http://wad.vision）進行報名，挑戰賽將於 2019 年 5 月31日截止，而最終優勝團隊獎項將在 6月17 日的 CVPR 2019自動駕駛研討會上正式頒發。
滴滴方面表示，滴滴希望建設高效、開放可持續的未來出行新生態，攜手BDD舉辦CVPR 2019 WAD挑戰賽，也是希望能鼓勵研究者設計利用遷移學習運用已有的領域知識幫助求解不同但相關領域的類似問題，有效推進自動駕駛相關視覺演算法在不同環境和條件下的實用落地；同時促進相關研究者和從業人士通過演算法效能改進、合理使用人力等手段，進一步提升標註速度和質量、降低標註成本，“歡迎全球演算法高手加入其中，共同激勵更多科技創新。”