查看原文
其他

CCF BDCI大赛急速报名,OneFlow四大训练赛题等你来战

OneFlow社区 OneFlow 2022-05-22

CCF大数据与计算智能大赛(CCF Big Data & Computing Intelligence Contest,简称CCF BDCI)由国家自然科学基金委员会指导,是大数据与人工智能领域的算法、应用和系统大型挑战赛事。
 
在2021 CCF大数据与计算智能大赛上,作为本届大赛的合作方,OneFlow此前在先进系统赛道提交了“基于BERT的大模型容量挑战赛”赛题,目前已有1221支队伍参赛。这次,聚焦业内备受关注的自动驾驶场景,OneFlow还提交了“人车目标检测、交通标志分类识别、交通灯识别、天气及时间分类”四大训练赛题,由云测数据提供真实场景下的数据集。四大赛题旨在鼓励参赛者发明和实现前沿算法,体验OneFlow深度学习框架的极致性能和易用性,帮助提升相应技术能力。
 
目前四大赛题已开启报名,各赛题若无特别通知,永久开放。截止到2022年1月3日,排行榜前3名的队伍将会获得1个CCF会员名额+纪念奖牌(提交团队数大于10),排行榜前50名的团队将会获得平台发出的电子证书。欢迎报名切磋技艺。
 
(欢迎加入赛题微信群交流)
 
据了解,大赛迄今已成功举办八届,累计吸引全球1500余所高校、1800家企事业单位及80余所科研机构的12万余人参与,已成为中国大数据与人工智能领域最具影响力的活动之一,是中国大数据综合赛事第一品牌。2021年第九届大赛致力于解决来自政府、企业真实场景中的痛点、难点问题,邀请全球优秀团队参与数据资源开发利用,广泛征集信息技术应用解决方案。
 

赛题介绍

 
赛题一:人车目标检测
 
赛题背景

目标检测在自动驾驶等方面有着广泛的应用前景,在自动驾驶场景中,使用视觉传感器对人和车目标进行检测并规避障碍物。此挑战旨在使用OneFlow框架对真实场景下行车记录仪采集的图片进行人和车2D目标检测。
 
赛题任务
 
此赛题的数据集由云测数据提供。比赛数据集中包含3000张真实场景下行车记录仪采集的图片,其中训练集包含2600张带有标签的图片,测试集包含400张不带有标签的图片。参赛者需基于OneFlow框架在训练集上进行训练,对测试集中两种类型的对象:人和车进行两点目标检测,并对检测的目标进行识别。数据集中共有22种细分的人车类型标签。

模型搭建可参考:
https://github.com/Oneflow-Inc/vision/tree/main/projects/detection
 
报名链接:
https://www.datafountain.cn/competitions/552
 
赛题二:交通标志分类识别

赛题背景

目标检测在自动驾驶等方面有着广泛的应用前景,在自动驾驶场景中,需要对交通标志(如限速标志等)进行识别以采取不同的驾驶策略。此赛题旨在使用Oneflow框架识别图像中显示的交通标志的类型,并且对不同的环境(如光线、障碍物或标志距离)具有鲁棒性。
 
赛题任务

此赛题的数据集由云测数据提供。比赛数据集中包含6358张真实场景下行车记录仪采集的图片,我们选取其中95%的图片作为训练集,5%的图片作为测试集。参赛者需基于OneFlow框架在训练集上进行训练,对测试集中的交通标志进行分类识别。数据集中共有10种细分的交通标志标签。

模型搭建可参考:
https://github.com/Oneflow-Inc/vision/tree/main/projects/detection

报名链接:
https://www.datafountain.cn/competitions/553

赛题三:交通灯识别
 
赛题背景

目标检测在自动驾驶等方面有着广泛的应用前景,在自动驾驶场景中,需要对交通红绿灯进行识别进行刹车和启动,尤其部分红绿灯在距离较远的情况下是小目标,会对检测识别造成一定的难度。此赛题旨在使用OneFlow框架对不同的环境(如光线、障碍物或标志距离)下的红绿灯目标进行检测并识别灯的类别和颜色。
 
赛题任务

此赛题的数据集由云测数据提供。比赛数据集中包含3000张真实场景下行车记录仪采集的图片,其中训练集包含2600张anchor box坐标以及类别标签的图片,测试集包含400张不带有标签的图片。参赛者需基于OneFlow框架在训练集上进行训练,对测试集中的红绿灯进行目标检测以及颜色的识别。(检测inbox和color)

模型搭建可参考:
1.https://github.com/Oneflow-Inc/vision 
2.https://github.com/Oneflow-Inc/models/tree/main/Vision/classification/image

报名链接:
https://www.datafountain.cn/competitions/554
 
赛题四:天气以及时间分类
 
赛题背景

在自动驾驶场景中,天气和时间(黎明、早上、下午、黄昏、夜晚)会对传感器的精度造成影响,比如雨天和夜晚会对视觉传感器的精度造成很大的影响。此赛题旨在使用OneFlow框架对拍摄的照片天气和时间进行分类,从而在不同的天气和时间使用不同的自动驾驶策略。
 
赛题任务

此赛题的数据集由云测数据提供。比赛数据集中包含3000张真实场景下行车记录仪采集的图片,其中训练集包含2600张带有天气和时间类别标签的图片,测试集包含400张不带有标签的图片。参赛者需基于OneFlow框架在训练集上进行训练,对测试集中照片的天气和时间进行分类。

模型搭建可参考:
1.https://github.com/Oneflow-Inc/vision 
2.https://github.com/Oneflow-Inc/models/tree/main/Vision/classification/image

报名链接:
https://www.datafountain.cn/competitions/555
 
更多赛事详情,请查看相应赛题页面,欢迎个人或组队报名参与。

特别致谢:云测数据为赛题数据集提供了大力支持

云测数据是Testin云测旗下AI训练数据服务品牌,以高质量、场景化的AI训练数据服务为基础,持续为智能驾驶、智慧城市、智能家居、智慧金融等众多领域提供通用数据集、数据标平台&数据管理工具、数据采集/数据标注等服务,全方位支持文本、语音、图像、视频等各类型数据的处理。深度合作伙伴包含众多世界500强企业、高校科研机构、政府机构,头部AI企业和大型互联网企业,涵盖了计算机视觉、语音识别、自然语言处理、知识图谱等AI主流技术领域。

题图源自jingoba, Pixabay


其他人都在看
点击“阅读原文,欢迎下载体验OneFlow新一代开源深度学习框架


您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存