无人车的眼睛、UP主的生产力工具，都藏在百度CVPR的这十个冠军里(4)

在这场竞赛中，百度使用最新的 Swin Transformer 模型配合 cascade-rcnn 结构作为基础模型并针对任务特点优化了 anchor 选择以提高模型的识别能力，同时使用去雾和非去雾的数据组合进行训练，提升了模型的泛化性能。另外，针对样本不平衡问题，团队使用了基于样本分布的采样平衡方法，有效提升了模型性能。

上述竞赛展现的技术能力或已逐渐在百度自动驾驶落地过程中得以展现。目前，在早晚高峰交通流密集路口左转礼让行人，车辆视觉盲区突然窜出行人、车辆等一系列长尾场景中，百度 Apollo 自动驾驶车均能进行良好处置。4 月 13 日，百度 Apollo 拿到了北京市颁发的中国首批夜间及特殊天气测试资质，机器之心也在上个月冒雨体验了一次 Apollo GO 自动驾驶车的夜间试乘。

Apollo 车辆平缓通过车流密集的路口。
除了自动驾驶，百度在智能交通、智慧城市方向的技术进展更多地在第五届 AI CITY 智慧城市挑战赛中得以展现。AI CITY 聚焦交通相关的车流统计、再识别、异常事件分析等应用场景，一共 5 个赛道，是百度多次夺冠的「自留地」，今年百度也在车流统计、异常事件检测两个赛道拿到冠军。
在车流统计任务中，比赛要求在端上设备上实现整体技术方案，并对端上的速度与效果指标进行综合打分。百度基于复杂场景下路口车辆多目标检测、跟踪技术，实现了分车道的车流统计，并通过模型小型化以及流水线并行化处理流程，实现了性能 效果综合提升，最终取得冠军。