人车目标检测竞赛-赛题分享
1. 参会人员
- TPU编程竞赛委员会
- AI算法创新赛-人车目标检测竞赛参赛选手
2. 主要内容
2.1 初赛详细介绍：
1）赛题背景
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。
2）赛题任务
初赛提供的数据集中包含3018张真实场景下的道路图片，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。参赛者需要选择网络后在训练集上自行训练网络（不限制训练方式，可使用预训练模型），检测并识别测试集中三类目标：行人、机动车和非机动车。
3）训练集数据介绍
训练集标签以txt格式文件存储，与训练集图片同名，一一对应。标签文件中每一行代表一个物体矩形框，数据格式如下图所示。
其中
值得注意的是中心点的坐标与矩形框的宽高皆为真实值与原图片真实宽高的比值，如下图某一标签所示。
4）结果提交格式
选手训练好模型后，使用竞赛提供的测试集进行推理，并将推理结果提交进行评分，上交的结果与训练集标签保存形式相同，皆为每张图片以图名同名的txt文件对应保存，但标签格式有所不同，如下图所示。
其中
矩形框的坐标不再用与原图宽高的比值表示，而是使用以左上角为原点的真实值表示，如下图某一结果所示。
若选手得到的检测结果与训练集标签格式相同，我们为选手提供了格式转换脚本可将
保存好后执行命令：python convert_dt_yolo.py即可实现脚本转换，转换后的标本保存在detection-results文件夹中，原结果移动至detection-results文件夹下的backup文件夹中。
5）提交方式
参赛者须将符合格式的检测结果保存在以参赛编号为名创建的文件夹内，保存格式如下图所示，图中input须改为参赛编号。
保存好后将文件夹上传至github库中的result_submit/文件夹下，位置如图所示
选手的得分会在github库中每日更新，在赛事官网每周更新。
6）评分标准
通过mAP(mean Average Precison)值评测模型精度。初赛最终得分计算公式为：score=mAP*100，分数高者为优。
mAP
本次竞赛使用PASCAL VOC 2012 竞赛中定义的 mAP 标准来判断。通过数值积分计算P-R曲线下的面积，即为该类别的AP值；计算所有类别AP值后做均值即为mAP值。
IoU
IoU用来衡量预测的物体框和真实框的重合程度，其中IoU阈值设为0.5，如果 IoU > 0.5，那么认为这是一个正确检测，否则认为这是一个错误检测。
2.2 赛题全阶段简介
1）初赛
时间：2022.10.1-2022.11.30
Github库地址：https://github.com/ForestMa/SOPHGO-HVOD-Contest
初赛A榜：10月1日10:00-11月26日20:00
初赛A榜淘汰：11月27日12:00，初赛A榜未产出成绩队伍或未按要求完成实名认证队伍，将被取消初赛B榜参赛资格。
为竞赛公平我们设置了B榜。
初赛B榜：11月28日10:00-20:00
系统将在11月27日20:00更换测试数据，参赛队伍需再次下载数据文件，进行测试后提交结果。
初赛结束，以B榜成绩作为初赛成绩依照，要求TOP30团队提交代码审核，代码提交截止时间11月10日12:00。组委会将审核并取消存在人工标注、相互抄袭等行为队伍的比赛资格，晋级空缺名额后补。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。
2）复赛
时间：2022.12.1-2022.12.31
复赛要求参赛选手将训练好的本地模型移植到TPU，并在提供的TPU平台上进行推理。复赛以在TPU平台上推理的精度和性能作为评测标准。最终得分计算公式为：score=mAP*100+(500-i_time(ms))*0.1，分数高者为优。
组委会将对排行榜TOP10参赛队伍进行最优提交成绩的模型和完整代码审核（包含数据处理和模型训练），最终复赛审核通过的得分排名前6的参赛队伍将晋级决赛。
3）决赛
决赛时间待定，将以答辩会的形式进行，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，评选出大赛奖项。
3. 参考链接
大赛详情链接：AI算法创新赛 –人车目标检测竞赛 (sophgo.com)