0
五一節(jié)前，2020 全國水下機器人（湛江）大賽第一階段“水下目標檢測算法賽”決賽答辯結果完成公示。
本次“水下目標檢測算法賽”分為「水下光學圖像目標檢測」和「水下聲學圖像目標檢測」兩個賽項，各設一等獎 1 個，二等獎 5 個，三等獎 8 個，決賽結果均已正式確認，具體獲獎情況如圖所示：
雷鋒網(wǎng)注：圖為「水下光學圖像目標檢測」賽項的決賽獲獎名單
雷鋒網(wǎng)注：圖為「水下聲學圖像目標檢測」賽項的決賽獲獎名單
經(jīng)過兩個月的激烈角逐，MaybeTomorrow 團隊獲得了「水下光學圖像目標檢測」一等獎，passi0n 團隊獲得了「水下聲學圖像目標檢測」一等獎。
2020 年 2 月 28 日，鵬城實驗室啟動「水下目標檢測算法賽」。
本次算法賽是由國家自然基金委、湛江市人民政府和鵬城實驗室聯(lián)合主辦“全國水下機器人（湛江）大賽”的第一階段，大賽包含線上賽、現(xiàn)場賽和頒獎典禮三項活動，“水下目標檢測算法賽”就是其中的線上賽。
本次大賽是一個全新算法比賽，從報名到?jīng)Q賽答辯活動，整個過程采用全程在線上舉行，均極具亮點。報名一開始，參賽選手就十分踴躍；從賽制上看，主客觀結合的評審機制凸顯嚴謹；比賽舉辦過程中，線上提交，線上自動評分，線上動態(tài)排行榜，線上講座，線上復現(xiàn)測速，鵬城云腦和章魚系統(tǒng)的加持，均為比賽添色不少。
選手多元
本次線上賽雙賽項總報名團隊達 1811 個，吸引了世界各地的共計 268 所高校的學生和 382 家企業(yè)大數(shù)據(jù)和算法人才共同參與 ,影響力觸及 12 個海外國家。
在比賽過程中，參賽算法選手熱情高漲，算法賽作品累計提交近 1 萬次，雙賽項排行榜比拼十分激烈。
賽制嚴謹
初賽評審采用主客觀結合的評審機制。以光學賽項為例，在客觀評審上，比賽要求選手的算法模型需要同時在“精度”與“速度”上都表現(xiàn)優(yōu)秀；主觀方面則由雙賽項指定的評審老師，線上審閱選手提交的算法模型材料和相關代碼并進行有效性判定，有效辨別選手是否進行過抄襲、手動標注等違規(guī)行為。
同時，雙賽項均采用“一對一”（一組評委對一個團隊）線上視頻答辯，每個團隊設置一名引導老師作為答辯指引；每個賽項 10 多位評委老師提前準備有針對性的問題，對答辯團隊的答辯材料講解和初賽測評詳細情況等進行提問和解析，使得答辯環(huán)節(jié)十分公平、高效，流程順暢。
專家線上講座
主辦方為大賽參賽選手開辟了與賽題高度相關的學習專欄，并組織兩次線上講座，分別由 3 位專家老師為選手講解水下圖像目標檢測領域的參賽攻略并進行在線答疑，為選手提供詳盡的學習資料，引導選手不斷優(yōu)化算法模型，以提升參賽成績。
鵬城云腦加持
在本次算法競賽的評測中，采用了鵬城云腦和章魚系統(tǒng)作為復現(xiàn)測評環(huán)節(jié)的支撐。
算法速度測評環(huán)節(jié)是在鵬城云腦和章魚系統(tǒng)的資源分配和調度管理的集群上完成的，賽前對系統(tǒng)進行了充分的調測，確保算法測速環(huán)節(jié)的順利開展。
精準的算力和賽程控制：算法速度測評要求選手們有一致的算力環(huán)境，為此，主辦方對云腦系統(tǒng)分配給每支隊伍的算力資源做了基準性能測試，對測試異常節(jié)點進行了標注，防止異常資源接入。同時，通過對選手接入準備算法速度測評的流程和時間點進行精準控制，保證了比賽的公平、公正。
值得一提的是，為幫助選手進行熟悉對鵬城云腦系統(tǒng)，主辦方提供了許多關于云腦系統(tǒng)的入門引導資料，包括容器啟動，環(huán)境安裝，數(shù)據(jù)掛載，異常處理及使用注意事項等。
本次“水下目標檢測算法賽”主要聚焦于水下目標檢測算法領域的技術瓶頸突破，「光學圖像目標檢測」需要檢測出不同海產(chǎn)品的位置，「聲學圖像目標檢測」主要以海底的特殊地形地貌、人造物等構成的特征目標為檢測對象。
經(jīng)過長達 60 天的激烈角逐，通過專家評審的多輪審核評定，算法賽技術委員會的最終確認，「光學圖像目標檢測」、「聲學圖像目標檢測」兩個賽項的結果均已公示。
其中，MaybeTomorrow 團隊獲得「水下光學圖像目標檢測」一等獎，passi0n 團隊獲得「水下聲學圖像目標檢測」一等獎。
在光學圖像賽項中，MaybeTomorrow 參賽隊針對真實水下數(shù)據(jù)稀缺和訓練測試數(shù)據(jù)分布存在差異等特點，以 Cascade RCNN 為主模型，結合了前沿的可變形卷積與非局部模塊，并創(chuàng)新性地利用 Auto-ML 的思想來自動搜索適合水下目標檢測問題的數(shù)據(jù)增廣方案，從而顯著提升了檢測算法性能，充分展現(xiàn)了對基本檢測模型的熟練掌握和對前沿機器學習算法的合理運用能力。
在聲學圖像賽項中，passi0n 參賽隊對數(shù)據(jù)集中目標的尺寸分布和寬高比分布有特點地進行了分析，成功設置錨框超參數(shù)，引入了可變型卷積的 ResNet50 網(wǎng)絡，更好地適應了目標形狀分布的多樣性。另外，其高分辨率的骨干網(wǎng)絡 Hrnet18 能夠學到豐富的高分辨率表征，避免了短邊特征的信息損失；基于半監(jiān)督的方法用偽標簽微調模型，提高了模型的魯棒性。無論在數(shù)據(jù)分析，還是在網(wǎng)絡的融合和調節(jié)方面，均有所創(chuàng)新。
至此，全國水下機器人（湛江）大賽的第一階段（線上賽）告一段落，與此同時大賽的現(xiàn)場賽也已拉開帷幕，現(xiàn)場賽（決賽）將于 5 月 18-19 日在湛江展開，21 日將舉行大賽兩個階段線上賽和現(xiàn)場賽的頒獎典禮，敬請期待。雷鋒網(wǎng)
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉載。詳情見轉載須知。
