4月25日音讯，
滴滴
日前携手加州大学伯克利分校DeepDrive深度学习自动驾驭工业联盟（BDD）在京举行CVPR 2019自动驾驭预研讨会，会上滴滴正式宣告与BDD达到战略协作，两边将环绕智能驾驭大主题，在前沿研讨及使用落地、顶尖人才培育、学术沟通等方向打开全方位的积极探究。这是两边的进一步协作，此前3月，滴滴联合BDD发动 CVPR 2019 WAD 自动驾驭辨认挑战赛。滴滴共参加提出方针检测搬迁学习、方针盯梢搬迁学习、大规模检测插值三项使命，并供给一个大规模、高质量的实在驾驭场景视频数据集
D²-City
，包含12类行车和路途相关的方针标示，旨在鼓舞相关范畴前沿算法的创造与完成，有用推动自动驾驭相关视觉算法在不同环境和条件下的有用落地。滴滴出行信息安全战略副总裁、美国研讨院院长弓峰敏现场表明作为出行服务的供给者，滴滴一向十分乐意和学界、车厂、工业界及相关各方一起协作，推动全球智能驾驭技能发展和使用。Berkeley具有全球抢先的研讨团队，BDD的研讨重心和滴滴也高度符合，两边将继续加强在自动驾驭范畴的协作沟通，携手加快前沿研讨的使用落地，一起培育更多具有立异认识的人工智能范畴尖端人才，推动AI赋能自动驾驭及大交通范畴。
BDD主任Trevor Darrell教授称，D²-City数据集的敞开关于研讨者的含义是特殊的，让我看到了一个职业抢先者应有的担任。咱们也很振奋能和滴滴进行多元化协作，继续推动技能前沿。在本年CVPR 2019上，BDD也将联合滴滴举行自动驾驭研讨会（WAD），根据伯克利BDD100K、滴滴D²-City两个大规模、高质量实在驾驭场景视频数据集，安排方针检测、方针盯梢搬迁学习挑战赛，一起加快自动驾驭范畴技能立异。
(滴滴出行信息安全战略副总裁、美国研讨院院长弓峰敏博士与BDD主任、伯克利人工智能研讨院（BAIR）联合主任Trevor Darrell教授作为两边代表签署战略协作协议)
Trevor Darrell现场共享了“带有好奇心与自适应性的深度学习在感知、举动、解说的使用”。Darrell介绍到，最近几年，“分层的”、“深度的”表征学习极大地推动了计算机视觉的前进，但传统上只是限于具有很多的练习数据且彻底监督的设定，模型也缺少可解说性。来自于对立自适应表征学习的新成果表明了这些办法进行跨模态和范畴学习时的提高，而且这些办法能够进一步被练习或束缚以便为他们的用户供给自然语言解说以及多模态可视化成果。Trevor共享了经过学习特定实例的网络结构来处理单个使命的组合网络模型，以及使用好奇心界说的内涵奖赏的自监督的战略学习模型。
滴滴AI Labs资深研讨员车正平博士、李广宇（Max Li）博士则在陈述中共享了AI Labs在计算机视觉、智能驾驭等方向上的最新探究和发展，并具体介绍了AI怎么经过学习剖析车载大数据，让司机的驾驭行为更安全。作为全球出行职业引领者，滴滴每天会处理很多交通及驾驭数据，根据海量大数据和技能优势，滴滴也构建了驾驭场景了解渠道，能根据驾驭场景了解、大数据剖析与危险猜测等才能，继续提高出行安全与体会。一起AI Labs也在使用海量实在驾驭数据，构建智能驾驭模仿测验环境，加快滴滴智能驾驭体系优化迭代。
加州大学伯克利分校BDD联合主任Ching-Yao Chan博士的陈述标题为“当人工智能遇到自动驾驭”，介绍了他对机器学习的最新发展及其在自动驾驭中的使用的观点，包含BDD研讨活动概述，机器学习在自动驾驭顶用例的评论，及人工智能和自动驾驭的挑战和远景。
加州大学伯克利分校博士后研讨员Fisher Yu博士则和我们讨论了怎么经过结合上下文的、动态的、有猜测性的图画表征办法完成人类认知水平。现有的最先进的计算机视觉模型一般专心于单个范畴或单个使命，而人类水平的辨认能够针对不同标准与使命。Fisher共享了在学习不同标准及使命的环境相关的图画表征、构建可解说卷积网络行为并产出适用于广泛使命的模型结构方面的作业。这些正在进行的体系及算法研讨将表征学习与实际国际的交互结合在一起来构建能够不断向国际学习并与之交互的智能体。