【数据科学赛】AI算法创新赛–人车目标检测竞赛 #视觉目标检测 #TPU平台

CompHub 实时聚合多平台的数据类(Kaggle、天池…)和OJ类(Leetcode、牛客…）比赛。本账号会推送最新的比赛消息，欢迎关注！

更多比赛信息见 CompHub主页 或 点击文末阅读原文

---

以下内容摘录自比赛主页

Part1赛题介绍

题目

AI算法创新赛 –人车目标检测竞赛

主办方

算能科技

背景

随着时代的进步,视觉目标检测技术在生产生活中发挥着越来越重要的作用。人、车是现代社会最为重要的组成对象，实现人、车目标的精确快速检测对构建智慧城市和平安社会具有重要意义。本赛题旨在基于TPU平台对真实场景下采集的行人和车辆图片进行目标检测与识别。

Part2时间安排

Part3奖励机制

Part4赛题描述

本次赛题提供的数据集中包含3018张真实场景下的行人和车辆图片，其中训练集包含2885张带有标签的图片，测试集包含133张不带有标签的图片。参赛者需要在训练集上自行训练网络，检测并识别测试集中三类目标：行人、机动车和非机动车。

Part5评分标准

初赛

通过mAP(mean Average Precison)指标评测模型精度。mAP即各类别APIoU=0.5的平均值，其中APIoU=0.5为IoU阈值为0.5 的平均精度。初赛最终得分计算公式为：score=mAP*100，分数高者为优。初赛成绩符合要求且通过实名认证的排名前20名的参赛队伍将进入复赛。

复赛

1. 通过与初赛相同的mAP(mean Average Precison)指标评测模型精度。

2. 通过模型推理时间i_time评测模型性能，i_time为测试集图片推理的平均时间，单位为ms。

3. 最终得分计算公式为：score=mAP*100+(1000-i_time)*0.1，分数高者为优。

4. 复赛得分排名前6的参赛队伍将晋级决赛，其余队伍获优秀奖。

决赛

决赛将以答辩的形式进行，决赛分数将根据参赛队伍的算法成绩和答辩成绩加权得出。评分权重：复赛成绩占70%，决赛答辩成绩占30%。综合复赛、决赛的成绩加权，评选出一、二、三等奖。

---