【项目|ICT】决赛记录

【6月19日】 

上午： 

Group 1

主题：(开始没听到) 大概是利用监控 检测老年人的摔倒情况,用华为穿戴设备和华为云资源

评委提问：

1、可穿戴设备有无实际成果？(有且已在当地一家医院部署使用2个月)

2、老年人在洗澡的时候比较危险，那这个时候装摄像头是不切实际的，怎么处理？(穿戴设备)

3、老年人穿戴设备的检测指标有哪些？

Group2

阿拉戈斯联邦大学UFAL

主题：用人脸技术匹配

        目标检测-追踪客户流、热力图、性别识别和年龄推测、

        系统架构图(摄像头、硬盘录像机...)

        华为云的专门讲解

        强调了对华为设备的使用(摄像头-人脸识别API、ModelArts、华为Altas小站)

评委提问：

1、有没有考虑人行为重识别？

A：上传太多视频帧，利用本地过滤器选择高质量图片再上传。

2、在隐私安全数据方面有设计和考虑吗？

A：首先是物理方面，此外还会加安全层。

3、人员追踪是根据人脸图像还是人体姿势去追踪？

A：人脸图像

4、目前实验的性能如何，比如在大商场场景下，最多可以追踪多少人？

A：取决于场景和预算，部署不同数量的设备。一个商场所有的人都可以追踪到。

Group3

主题：中国地质大学-大规模遥感影像的分布式快速目标检测系统

        DOTA数据集、YOLOv5+CSL模型、分布式推理、系统展示

评委提问：

1、遥感图像较大，切割如果有漏切怎么办？

A：有分割，但是组后会有一个标签/图片合并，避免目标重现检测

2、实际场景中极端天气的检测效果(云雾遮挡)

A：实际检测样例演示

3、目前考虑的检测目标类目有多少？

A：16、动态静态都可以

4、检测对象后再进行业务分析有吗？后续变化检测？

A：目前只做到了数量统计，还没有后续变化检测(切换一个模型可以实现)

Group4

主题：华中师范大学-基于华为AI框架的用户情绪画像生成系统 

评委提问：

1、手机是否尝试使用Mindspore light直接推理和部署？

2、用户发帖子一般在不同平台，不一定会专门在团队提到的app里发表，那团队是否考虑过去其他app采集数据然后进行分析呢？

3、团队有专业人士吗？贴正确的标签？

4、心理诊断结果直接返回给用户可能会有敏感性方面的问题，在给用户之前还需要给专业的心理专家再一次纠片再返回给用户。

Group5

主题：大连海事大学-工业生产中的铝材瑕疵检测

评委提问：

1、怎么定义你检测的缺陷？

A：数据集来自算法比赛后处理得到，生产铝材厂家业内所公认的(不导电、)

2、团队的铝材检测是通过拍照片来实现，如果缺陷在侧面或者背面怎么处理？

A：不同的视角都放置摄像头，都当成目前同一个面的检测来做

3、检测速度不是很快，如果让铝材做旋转检测会不会效果更慢？

A：mindspore推理框架还无法在linux上部署、（评委mindspore light可用，再研究一下）

4、放一个没瑕疵的铝材，但是显示结果还是有"气泡"，这是上一轮检测的遗留还是检测错误？

Group6

主题：北京交通大学-基于华为IOT小车的智能跟拍系统

        coco数据集、目标跟踪识别、障碍物避障

评委提问：

1、应用场景vlog不合适，但是你的拍摄视角是从下向上-隐私安全，且角度低人脸识别不到，推荐应用场景到交通汽车彻底等

2、配置一些拍摄模板/路径-焦距-长短景，每次都要自己调比较麻烦

3、一键剪辑、滤镜是自己开发的还是集成直接使用的

4、跟拍灵敏性、准确性的实验结果对比，哪怕是人脸方面，也是可用提高产品竞争力

Group7

主题：上海交通大学-基于华为云的虚拟形象生成系统

评委提问：

个人小结：

1、华为云平台的使用

2、PPT制作太冗余，不要完全按照论文的结构来，抓要点，细节可准备放在评委答辩环节

下午：

创新性30-方案解决真实场景问题、

系统复杂性25-华为平台融合多项Ict技术、

商业价值15-公益价值或盈利潜力、

应考虑问题完备情况、

答辩情况15-流利顺利

官网给的评分标准：

Group1

主题：基于IOT的技术

        偷电、用电诈骗和计费错误、

评委提问：

1、如何识别出“偷电”行为？

A：没有实际检测，但是有1年的实际数据，使用light GBN. 想用测电表

2、IOT可信数据传输，是否可用考虑区块链技术。目前的实际使用情况如何

3、硬件设计，如何防止偷电？

4、“智能”是数据智能还是云上分析智能？

Group2

主题：Kenyatta-智能肺炎实时检测系统        

评委提问：

1、四个检测指标的合理性？它们之间的关系？

2、模型训练数据量大小、模型准确度(75%)

Group3

主题：香港城市大学-cansee2.0 肺癌诊断平台

评委提问：

1、项目最重要的部分  (AI模型和数据zhuling?）联邦学习？

2、最终交付成果是什么？

3、患者痰液如何使用？显微镜下的图片or先去得到检测报告再分析？(前者)

4、其他的工作有用细胞检测，这里使用痰液，二者区别？

Group4

主题： NUST巴基斯坦国立大学 - 渲染3D可视化

        AR VR MR、

评委提问：

【6月20日】

Group1

主题：东南大学-基于深度学习和骨架生长的路面病害识别方法

        YOLOX+RoadDamage Dataset2018&2020+CBAM+多模型集成

        病害检测、病害分割、病害特征

评委提问：

        1、裂缝的漏检、误检

        2、阴影、车道线等假阳性的考虑与处理

        3、算法对于图像质量的优势