滴滴AI新算法大秀無人駕駛肌肉,包攬全球人臉檢測評測5項第一,1項第二!

滴滴AI實驗室，剛包攬全球人臉檢測評測的5項第一，1項第二。

在世界最權威的人臉檢測公開評測集WIDER FACE最新公布的評測結果中，滴滴AI Labs團隊聯合北京郵電大學PRIS團隊提出的人臉檢測DFS算法，在WIDER FACE的Easy、Medium和Hard三個評測子集的六項評估結果中, 超過了國內外眾多科技公司和高校院所，取得了五項第一、一項第二。

WIDER FACE是目前業(yè)界公開的數據規(guī)模最大、檢測難度最高的人臉檢測數據集之一。

由香港中文大學于2016年建立，共包含32,203張圖像和393,703個人臉標注。其中40%的數據為訓練集（Training），10%的數據為驗證集（Validation），50%的數據為測試集（Testing）。

每個集合中的數據根據人臉檢測的難易程度分為“Easy”、“Medium”、“Hard”。

由于匯集了人臉尺寸大小變化、拍照角度引起的人臉姿態(tài)變化、不同程度的人臉遮擋、表情變化、光照強弱差異以及化妝等多種影響因素，該數據集在全球人臉檢測領域極具挑戰(zhàn)性，每次評測均會吸引多家國內外科技巨頭及高校院所（包含卡耐基梅隆大學、加州大學圣地亞哥分校、北航、浙大、京東、騰訊優(yōu)圖、百度、華為云、IBM沃森研究院等）在這個數據集上驗證了自己的算法效果。

而滴滴AI Labs在此次評測中脫穎而出。

他們提出了DFS算法。

在官方驗證集和測試集的六項評估結果中，DFS分別取得五項第一、一項第二。

其中在“Easy”、“Medium”和“Hard”三個測試子集中，DFS算法性能分別達到96.3% AP，95.4% AP，90.7% AP。

驗證集性能曲線圖DFS算法

滴滴AI方面介紹，DFS算法以卷積神經網絡中的特征融合為切入點，為了防止高層特征圖上的語義信息覆蓋低層特征圖上的細節(jié)信息，提出了特征融合金字塔（Feature Fusion Pyramid）結構。

其以空間和通道注意力機制的方式融合高低層特征，在不失細節(jié)信息的同時將語義信息作為上下文線索（contextual cues）增強低層特征。

另外，DFS算法提出了一種輔助訓練單階段檢測器的語義分割分支（Semantic Segmentation branch），促使檢測網絡以一種自監(jiān)督的方式實現注意力機制以及學到更好的特征。

具體地說，DFS算法獨特的語義分割分支分層地利用更強的語義分割監(jiān)督信息監(jiān)督訓練網絡，使得用于預測人臉的各級特征圖專注于各自最適宜檢測到的不同尺寸的人臉。

DFS算法網絡框架圖

滴滴方面還透露，目前人臉檢測和識別技術已經在滴滴平臺廣泛使用，用于司機人不符檢測、行程中車內錄像時的乘客隱私保護等場景，并已形成成熟的技術解決方案，幫助外部合作伙伴進一步提高效率。

此外，這也是滴滴近來刷榜全球AI評測的成果之一。

特別在圖像視頻領域，滴滴展現出不俗實力。

在去年7月的CVPR 2018 WAD自動駕駛挑戰(zhàn)賽中，攬獲了二、三、四名的好成績。

而在去年9月ECCV2018 COCO&Mapillary挑戰(zhàn)賽中，滴滴技術團隊首次參賽即獲得Mapillary街景檢測單項世界第一。

大秀無人駕駛肌肉

最后，滴滴近期也有自動駕駛方面的重要進展。

4月25日，滴滴攜手加州大學伯克利分校DeepDrive深度學習自動駕駛產業(yè)聯盟（BDD）在京舉辦CVPR 2019自動駕駛預研討會。

會上滴滴正式宣布與BDD達成戰(zhàn)略合作，雙方將圍繞智能駕駛大主題，在前沿研究及應用落地、頂尖人才培養(yǎng)、學術交流等方向展開全方位的積極探索。

更引人關注的是，在一帶一路峰會期間，智利總統塞巴斯蒂安·皮涅拉還到訪滴滴北京總部試乘無人車。

在滴滴園區(qū)的封閉道路上，總統皮涅拉在滴滴創(chuàng)始人程維陪伴下試乘了滴滴自動駕駛測試車。

兩位分別來自滴滴中美研發(fā)團隊的工程師——鄭建強和羅陽春，還進行了滴滴自主研發(fā)的自動駕駛系統的講解。

其中，鄭建強是滴滴杰出工程師、智能駕駛方向研發(fā)負責人 ，也是滴滴國內自動駕駛全資子公司上海滴滴沃芽科技的法人代表。

滴滴方面披露，滴滴自動駕駛團隊去年先后在美國加州、北京取得路測資格，正在中美多地密集展開測試研發(fā)。

目前團隊超過100人，擁有超過40輛不同品牌、車型的自動駕駛測試車輛，團隊在保證安全平穩(wěn)測試的同時，也在積極與政府、車廠、學界及相關方共同探討、推動自動駕駛商業(yè)化落地的可能。