最全参赛指南!2024 年(第 17 届)中国大学生计算机设计大赛大数据主题赛现已开赛

2024 年(第 17 届)中国大学生计算机设计大赛大数据主题赛“数据解读乡村发展”赛题已于和鲸平台正式开赛,一个月来,全国已有超百所高校近千位优秀本科生积极响应大赛号召完成报名。

为进一步助力广大师生顺利参赛,和鲸作为大赛协办方特整合本篇赛事资源包,敬请点击链接了解详情!

1. 专场培训:

• 中国人民大学范举教授详解赛题:

文字实录:数据解读乡村发展!专家详解 2024 年(第 17 届)中国大学生计算机设计大赛大数据主题赛赛题

培训录屏(报名参赛后方可查看,建议 pc 端访问):2024 年(第 17 届)中国大学生计算机设计大赛大数据主题赛 “数据解读乡村发展” 培训回放(第一场)

• 往届优秀选手跨学科参赛经验分享:

培训录屏(报名参赛后方可查看,建议 pc 端访问):2024 年(第 17 届)中国大学生计算机设计大赛大数据主题赛 “数据解读乡村发展” 培训回放(第二场)

2. 大赛赛制、平台使用相关答疑:

赛事 Q&A × 培训预告:2024 年(第 17 届)中国大学生计算机设计大赛大数据主题赛正式开赛!

3. 中国人民大学杜小勇教授、华东师范大学周傲英教授、东华大学刘晓强教授、上海对外经贸大学董云朝副教授四位重磅嘉宾寄语,赛事主旨传达:

【重磅嘉宾寄语】2024 年(第 17 届)中国大学生计算机设计大赛大数据主题赛“数据解读乡村发展”现已正式开赛!

4. 历年获奖作品及本届赛题可参考资料:

社区资源:【获奖作品】4C 大数据赛获奖作品 / 2024 年(第 17 届)4C 大赛参考资料包

相关说明:全力备战中国大学生计算机设计大赛!历年获奖作品正式上线和鲸社区

注:免费注册和鲸社区后即可查看、在线运行并学习历年获奖作品。

点击右侧链接即可直达赛事详情页,机不可失,欢迎报名参赛!

主办:中国大学生计算机设计大赛组委会

承办:上海对外经贸大学、东华大学、华东师范大学

协办:中国人民大学、上海和今信息科技有限公司

  • 3
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
【资源说明】 1、该资源包括项目的全部源码,下载可以直接使用! 2、本项目适合作为计算机、数学、电子信息等专业的竞项目学习资料,作为参考学习借鉴。 3、本资源作为“参考资料”如果需要实现其他功能,需要能看懂代码,并且热爱钻研,自行调试。 CCF大数据与计算智能大赛自动驾驶三维点云分割复第四方案源码+学习说明.zip ### 数据集解释: #### 由于本次的数据集超过100G,无法上传百度云,这里我们只取了几个数据作为sample,应该可以使用训练数据集作为替代:https://www.datafountain.cn/competitions/326/details ### 训练权重使用方法: #### 将maskrcnn文件夹放入FaterRCNN/train_log下,将ImageNet-R101-AlignPadding放入FasterRCNN下,本训练代码参考:https://github.com/tensorpack/tensorpack/tree/master/examples/FasterRCNN --------------------------------------------------------------------------------------------------- #### 1.数据预处理: ##### 官方提供了pts,intensity,category三类点云数据,我们这里参考了Complex-YOLO: Real-time 3D Object Detection on Point Clouds的思路将pts,intensity点云数据处理为最大反射强度,最大高度,归一化密度后再分别归一化到0~1的范围后重组为三通道图片数组,作为我们的训练图像。我们的图片和标签制作过程详见代码making_training_data/pointcloud2RGB.py #### 2.数据增强: ##### 鸟瞰图像有一个很大的特点,就是多方向性。传统图像数据集里面,道路目标姿态往往都是类似的,同时也不会有较大的倾斜。鸟瞰图数据集的这个问题就严重,道路目标的朝向东南西北都有可能的,因此训练集里的朝向应当要丰富,避免学习到的模型不具有泛性。 针对这一问题我们采取了下面几种数据增强方法:随机30°倍数旋转,随机水平翻转,随机平移。(均为线上数据增强) #### 3.数据格式转换: ##### 将得到的数据制分别制作成VOC和COCO格式,便于训练。 #### 4.目标检测算法选择: ##### 对多类目标检测算法进行尝试后,最后敲定使用Faster-RCNN作为目标检测算法,得到0.2以上的检测精度。(所需环境和使用方法均已经写在两个txt文件中) #### 5.调参过程: ##### 主要对目标nms阈值和目标置信度进行了调整,我们的结果可视化代码要使用matlab,在result_check/下 #### 6.最终复成绩:0.248 ---------------------------------------------------------------------------------------------------------------------------------------- #### 后续可以考虑改进的点: ###### 1.我们本次比对数据的清洗和分析做的不够,实际上该数据集类间数量分布很不均匀,需要针对这个情况,对每个类别进行置信度调整,同时部分数据的标注也存在一定的问题,要进行部分数据的筛选。 ###### 2.验证集的分割没做好,理想应该挑选5%的数据作为验证集,我们的验证集太小,缺乏代表性 ###### 3.图像分割在这个题会比目标检测算法有着更好的精度,同时速度上也会有较大的优势。 ###### 4.若使用图像分割的话,推断时间减少,就可以尝试在inference阶段使用TTA的思路,减少假阳性。
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