百度宣布，推出全球最大AI公开数据集计划BROAD！

11月16日，在2017百度世界大会 AI 技术与平台论坛上，百度3D视觉首席科学家杨睿刚宣布，推出 百度 AI 公开数据集计划——BROAD （Baidu Research Open-Access Dataset） ，并宣布首批室外场景理解、视频精彩片段、阅读理解 3个数据集即日起对公众公开。

“ BROAD ”百度 AI 公开数据集计划 （http://ai.baidu.com/broad） 率先公开的三大数据集实力强劲、各有所长，咱们先看为敬！

为更精准安全的自动驾驶助力

室外场景理解数据集来源于百度自动驾驶事业部。该数据集试图将感知能力从物体级感知升级到像素级感知，进而了解图片中所有像素的属性和来源，实现更精准、安全的自动驾驶。 它是世界范围内第一个带像素级语义标签的室外3D视频。

2018年开始将陆续有自动驾驶汽车面世甚至小规模量产，想想还有点儿小期待呢。

上万个精彩小视频

想怎么用就怎么用

视频精彩片段数据集主要来源于爱奇艺精彩视频片段。

视频类型为综艺节目，目前囊括 1500个长视频， 视频总时长约 1200小时， 还从中手动收取出 18000个精彩小视频， 同时能够提供视频帧的图片特征序列，是全球首创的公开精彩片段标注数据集。

百万文档和人工撰写的优质答案

拿去，都拿去

随着越来越多的 AI 开发者和团队加入到人工智能的浪潮中来，如何让 AI 系统通过“机器阅读”的途径持续学习和进化成了重中之重。

首次亮相的 百度阅读理解数据集 DuReader， 是迄今为止规模最大的中文公开领域阅读理解数据集。

数据集基于真实应用需求，所有问题都来源于百度搜索用户的真实问题，文档来自全网真实采样的网页文档和百度知道 UGC 文档，答案是基于问题与文档人工撰写生成的。

数据集标注了问题类型、实体和观点等丰富信息，弥补了现有主流数据集对于观点类问题覆盖不足的问题。首批发布的阅读理解数据集包含 20万问题、100万文档及42万人工撰写的优质答案， 并提供开源基线系统。DuReader 将为阅读理解技术研究提供有力支撑，加速相关技术和应用的发展。

持续公开真实、大规模的数据集

我们在一起