Kaggle新赛:Lyft 自动驾驶运动预测,发布迄今最大预测任务数据集


近日,国外著名出行公司 Lyft 在Kaggle 竞赛平台发起自动驾驶汽车的运动预测挑战赛,旨在促进自动驾驶汽车的研究,并发布了迄今最大的运动预测数据集。

任务介绍

挑战参赛者对自动驾驶场景中出现的行人、车辆、骑行者的未来运动进行预测,比如给定90帧的场景数据,预测后50帧中各目标的路线位置,即场景中目标的运动。

时间线

即日起开始报名。

2020年11月18日-报名截止。

2020年11月18日-合并团队截止日期。这是参与者可以加入或合并团队的最后一天。

2020年11月25日-最终提交截止日期。

奖金

最终在比赛中前四名选手可获得30000美元。

第一名-$ 12,000

第二名-$ 8,000

第三名-$ 6,000

第四名-$ 4,000

比赛地址

https://www.kaggle.com/c/lyft-motion-prediction-autonomous-vehicles

目前已有108支队伍报名。

数据集

特别值得一提的是,Lyft 为支持比赛及相关研究,发布了目前最大的交通运动预测数据集,

1000+小时的交通目标运动,23辆车总计16000英里行程,15000幅语义映射标注。

原数据集较大(18G),在OpenCV中文网后台回复“运动预测”,即可收到百度云下载地址。

备注:竞赛

算法竞赛交流群

扫码备注私信拉你进群。

OpenCV中文网

微信号 : iopencv

QQ群:805388940

微博/知乎:@我爱计算机视觉

投稿:amos@52cv.net

网站:www.52cv.net

在看,让更多人看到  

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Kaggle Lyft 无人驾驶运动预测是一个基于Lyft无人驾驶数据的竞赛平台,旨在预测无人驾驶汽车动态行为和路径规划。参赛者需要利用Lyft提供的无人驾驶数据集,使用机器学习和深度学习技术来开发出准确的预测模型。 在这个竞赛中,参赛者需要分析Lyft无人驾驶车辆的传感器数据,如摄像头、激光雷达和GPS,以及车辆的行驶历史数据。通过这些数据,参赛者需要构建一个模型来预测车辆的行驶路径、车速、脱离马路和避免碰撞等动态行为。 为了解决这个问题,参赛者可以使用各种机器学习和深度学习的算法,如卷积神经网络、循环神经网络、决策树和支持向量机等。同时,参赛者还可以运用特征工程技术,对数据进行处理和提取有用的特征信息,以提升模型的性能。 参与这个竞赛有助于推动无人驾驶技术的发展,提高自动驾驶汽车的安全性和效率。预测无人驾驶车辆的动态行为可以帮助人们更好地理解无人驾驶汽车的行驶规律,从而为未来的城市交通规划和无人车自动驾驶技术的落地提供参考。 总之,Kaggle Lyft 无人驾驶运动预测是一个有挑战性的竞赛,要求参赛者在无人驾驶数据集上开发准确的动态行为预测模型。这个竞赛对于推动无人驾驶技术的发展具有重要意义,对于提高自动驾驶车辆的安全性和智能性起到了积极的促进作用。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值