比如,就參加選手的當(dāng)前成績反饋來看,開發(fā)者在“生活垃圾圖片分類”賽題上的表現(xiàn)較為掙扎。實際上,本次垃圾分類是一個典型的“舊題新意”的賽題,我們知道,在業(yè)界以往的垃圾分類比賽中,常見的垃圾分類算法都是圖像分類算法預(yù)測,只能對整張圖片進(jìn)行判斷是屬于哪種垃圾,但是這類算法僅適用于一張圖片中僅有一種垃圾的情況。如果碰到一圖有多種垃圾,無論是種類的識別還是位置的標(biāo)注,都變得“束手無策”。
與以往不同,本次“生活垃圾圖片分類”賽題要求使用的算法為物體檢測算法,當(dāng)遇到一張圖片中含有多種垃圾時,物體檢測算法不僅可以標(biāo)注出圖片中每個垃圾的位置,還可輕松給出具體類別。
此外,垃圾分類的另一大挑戰(zhàn)則來源于龐大的數(shù)據(jù)量。此次,“生活垃圾圖片分類”賽題包含的真實生活場景實地拍攝的生活垃圾圖片數(shù)高達(dá)2.5萬張,同時覆蓋大目標(biāo)、小目標(biāo)、細(xì)目標(biāo)和密集目標(biāo),如形色各異的瓜果蔬菜、千奇百怪的塑料玩具等,可以說難上加難。
為支持選手高效完成賽事挑戰(zhàn),華為云為選手們提供了一份賽題Baseline代碼和文檔,該代碼基于yolo3可實現(xiàn)垃圾分類檢測,并且使用該代碼和文檔可以輕松了解本次算法賽從數(shù)據(jù)準(zhǔn)備、模型訓(xùn)練、模型測試、模型提交到查看模型得分的完整流程,參賽選手只需簡單學(xué)習(xí),便可直接上手參賽。
同時,針對此次“生活垃圾圖片分類”賽題的“專屬”AI開發(fā)平臺華為云ModelArts,華為云技術(shù)專家也將進(jìn)行詳細(xì)介紹,確保參賽者能熟練進(jìn)行算法開發(fā)、模型搭建等步驟。作為面向開發(fā)者的一站式AI開發(fā)與管理平臺,華為云ModelArts能為機(jī)器學(xué)習(xí)與深度學(xué)習(xí)提供海量數(shù)據(jù)預(yù)處理及半自動化標(biāo)注、大規(guī)模分布式Training、自動化模型生成,及端-邊-云模型按需部署能力,幫助開發(fā)者快速創(chuàng)建和部署模型,管理全周期AI工作流。目前,華為云ModelArts已廣泛應(yīng)用于園區(qū)、工業(yè)、城市、交通、家庭、水務(wù)領(lǐng)域等。
3月27日-7月30日,“華為云杯”SODiC大賽舉辦,以“數(shù)聚粵港澳,智匯大灣區(qū)”為主題,賽題緊扣城市治理和民生服務(wù),面向全球開發(fā)者征集基于開放數(shù)據(jù)的創(chuàng)新應(yīng)用解決方案和算法模型。
生活垃圾圖片分類賽題傳送門:https://competition.huaweicloud.com/information/1000038439/introduction
粵港澳大灣區(qū)強(qiáng)降水臨近預(yù)測賽題傳送門:https://competition.huaweicloud.com/information/1000040092/introduction
深圳北站周邊交通擁堵指數(shù)預(yù)測賽題傳送門:https://competition.huaweicloud.com/information/1000040088/introduction
