【小哈划重点：我们可为人工神经网络（AI）提供大量交通情况图像，其中所有相关元素都被标记，来教会其分析交通场景。然后，通过给AI输入新的、未标记的图像来衡量其理解水平。】
自动驾驶汽车想要安全地行驶，就需要“了解”周围的事物。自动驾驶汽车可以利用现有的交通状况图像进行练习，从而学习这一能力。据外媒报道，埃因霍温理工大学（TU/e）研究人员Panagiotis Meletis将各种交通图像集合在一起，可提升自动驾驶汽车的感知能力。
那个戴着帽子的年轻人是在等人，还是打算过马路？一个球滚到街上，会不会有孩子跑来追它？那辆蓝色的小汽车是要并排泊车，还是要开走？在城市驾驶时，我们需要经常评估这些情况。因此，自动驾驶汽车面临的主要挑战之一是根据“看到”的周围事物，得出正确结论，从而预测意外情况。
Panagiotis Meletis解释称，要更深入地了解交通状况，首先要确定自动驾驶汽车从摄像头接收到的图像中的各种物体。在专注于图像识别的视频编码与架构（Video Coding & Architectures）研究小组中，Meletis参与了移动感知系统实验室（Mobile Perception Systems Lab）的一个项目：自动驾驶汽车定期前往TU/e校园进行测试驾驶。“它需要能够判断看到的是红绿灯、树、行人、自行车，还是车辆。”在更详细的层面上，它还需要能够识别车轮或四肢，因为这些能指示运动方向和道路使用者的意图。
我们可为人工神经网络（AI）提供大量交通情况图像，其中所有相关元素都被标记，来教会其分析交通场景。然后，通过给AI输入新的、未标记的图像来衡量其理解水平。如下图所示，不同的颜色展示了AI是如何解读图像的：汽车是蓝色的，自行车是暗红色的，人的手臂是橙色的，躯干是灰色的。
（图片来源：techxplore.com）
在研究开始时，只有少数公开可用的图像数据集描述交通场景，Meletis表示，“现在有很多数据集，每个都有自己的重点。想想那些包含交通灯、自行车手、行人等的图像。”但是每个数据集都被标记为不同的系统。Meletis在更高的语义层面上，将这些标注连接起来。“例如，汽车、公共汽车和卡车都属于‘车辆’范畴。骑行者、摩托车手和驾驶员都属于‘驾驶员’。在这些定义的帮助下，我能够使用所有可用数据集同时训练AI，产生更好的效果。”
在2018年计算机视觉和模式识别大会组织的一个研讨会上，其中一项比赛是关于“强大视觉（robust vision）”，需要对有视觉影响的交通图像进行分析，如大雨或过度暴露在阳光下。基于包含许多此类低质量图像的数据集，Meletis开发的系统表现优于其他参与者。Meletis还表示，过去的一年，他们成功地编译了两个新的数据集，用于整体场景理解。
（文章原标题：《研究人员利用交通图像数据集训练AI 提升自动驾驶汽车的感知能力》。部分插图未收录）
