深度学习算法创新赛 –人车目标检测竞赛

立即报名

竞赛介绍

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。
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。

榜单

排名 参赛编码 提交次数 最高分提交时间 最高得分
AI0000020 5 2022-11-07 17:41 43.38
AI0000026 5 2022-11-09 22:14 43.07
AI0000025 3 2022-11-10 12:04 36.37
4 AI0000016 4 2022-11-11 15:55 34.31
5 AI0000007 1 2022-11-04 10:49 33.16
6 AI0000012 2 2022-11-09 22:14 30.85
7 AI0000028 2 2022-11-03 11:13 26.44
8 AI0000011 5 2022-11-10 12:04 26.06

竞赛流程

process

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。

奖项设置

program competition process
program competition process
program competition process
program competition process

赛题分享

参考资料

refer icon

赛题更多详情见github仓库
refer icon

数据集下载

联系我们

program competition process
program competition process
立即报名