10.10-25.11.2019, конкурс от АО НКБ ВС!

25.10.2019

Лаборатория интеллектуального транспорта МФТИ-НКБ ВС

‼ IR-Detection: Обнаружение объектов на ИК-изображениях для беспилотного транспорта

✒ Краткое описание:
Конкурс посвящен созданию наиболее эффективного алгоритма обнаружения объектов двух типов «person» и «car» («пешеход» и «транспортное средство») на инфракрасных изображениях, полученных с бортовой видеокамеры беспилотного автомобиля, разработанного компанией АО «Научно-конструкторское бюро вычислительных систем» (АО НКБ ВС).

Наборы данных для тестирования и обучения алгоритмов подготовлены при участии Центра когнитивного моделирования Московского физико-технического института.

Конкурс пройдет в два этапа:
📍10 октября — 17 ноября 23:59 – 1 заочный этап,
📍25 ноября 18:00 – 21:00 – 2 очный этап.

Победители очного этапа конкурса получат ценные призы, будут приглашены на оплачиваемую стажировку в Центр когнитивного моделирования Московского физикотехнического института и займутся созданием систем компьютерного зрения и навигации для беспилотного транспорта.
_______________________
‼ IR-Detection: Evaluation

В конкурсе рассматривается задача обнаружения (детектирования) объектов на инфракрасных изображениях дорожной сцены. Объекты могут относиться к одной из двух категорий:
• person (пешеход),
• car (транспортное средство).

Общая выборка данных разделена на 3 части:
• обучающая выборка с эталонной разметкой,
• валидационная выборка (доступна на заочном этапе, после которого публикуется ее эталонная разметка),
• тестовая выборка (не доступна на заочном этапе, ее эталонная разметка публикуется по окончании конкурса).
_______________________
‼ IR-Detection: Data
• Данные представляют собой набор инфракрасных изображений, полученных с бортовой видеокамеры беспилотного автомобиля, разработанного компанией АО «Научно-конструкторское бюро вычислительных систем» (АО НКБ ВС), а также их разметку в json-файле в формате COCO.
• Наборы данных для тестирования и обучения алгоритмов подготовлены при участии Центра когнитивного моделирования Московского физикотехнического института.
• Для обучения моделей распознавания можно использовать другие существующие наборы данных, например:
— Multi-spectral Semantic Segmentation and Object Detection https://www.mi.t.u-tokyo.ac.jp/static/projects/mil_mu..
— FREE FLIR Thermal Dataset https://www.flir.com/oem/adas/adas-dataset-form/
_____________________
‼ IR-Detection: Evaluation
Конкурс проходит в 2 этапа:
📍 заочный этап (участники присылают результаты автоматического обнаружения объектов на валидационной выборке с помощью разработанного алгоритма в формате COCO, при этом не допустима ручная разметка данных, при выявлении данного факта команда дисквалифицируется);
📍 очный этап (участники получают доступ к тестовой выборке и присылают результаты автоматического обнаружения объектов на тестовой выборке с помощью разработанного алгоритма в формате COCO, при этом не допустима ручная разметка данных, при выявлении данного факта команда дисквалифицируется, также команды делают очные презентации с описанием деталей предложенного решения задачи).

Сравнение результатов команд осуществляется автоматически с помощью метрики mAP (mean Average Precision) в тестирующей системе на этом сервисе (максимальная оценка 1.0, минимальная 0.0).
На заочном и очном этапах результат, публикуемый в Leaderboard, определяется автоматически с помощью инструмента pycocotools.
______________________
‼ IR-Detection: Terms and Conditions
Загрузка результатов на валидационной выборке может быть сделана в течение 1 заочного этапа.
Вы можете осуществлять до 5 загрузок каждый день, всего допускается 100 загрузок результатов.
На заочном и очном этапах результат, публикуемый в Leaderboard, определяется автоматически с помощью инструмента pycocotools.

📍1 заочный этап: разработка и обучение моделей обнаружения объектов на валидационной выборке и загрузка результатов автоматического обнаружения на сайт конкурса.
Показатели качества публикуются в Public Leaderboard.
Первые 20 лучших команд приглашаются на очный этап конкурса.

📍2 очный этап: участникам выдается тестовая выборка, результаты работы на ней обученной модели направляются в тестирующую систему и автоматически оценивается показатель качества обнаружения объектов mAP, участники делают презентации по итогам своих решений.

3 победителя конкурса получают ценные призы и приглашаются на оплачиваемую стажировку в Центр когнитивного моделирования МФТИ.
_______________________
Сайт конкурса и тестирующая система: cdsteam.mipt.ru/irdetection

Контакты: Юдин Дмитрий Александрович к. т. н., старший научный сотрудник лаборатории когнитивных динамических систем, доцент кафедры системных исследований МФТИ yudin.da@mipt.ruvk.com/yuddim

Контактная информация

ул. Чехова, 2, ауд. И-201
г. Таганрог, 347922
Ростовская область, Россия

на карте

Телефон: 8 (8634) 360-450
E-Mail: info@ictis.sfedu.ru

Сайты подразделений
кафедры подразделения
Б Безопасности информационных технологий И Индийско-Российский научный центр ЮФУ
В Высшей математики Л Лаборатория виртуальной реальности
Вычислительной техники Лаборатория поисковых технологий
И Интеллектуальных и многопроцессорных систем Н Научно-технический центр
"Информационные технологии"
Информационно-аналитических систем безопасности
Информационной безопасности телекоммуникационных систем П
С
Проектный офис
Студенческое конструкторское бюро "КИТ"
М Математического обеспечения и применения ЭВМ Ю Южно-Российский региональный учебно-научный центр по проблемам информационной безопасности в системе высшей школы
П Психологии и безопасности жизнедеятельности
С Синергетики и процессов управления
Систем автоматизированного проектирования
Системного анализа и телекоммуникаций

© 2015-2019,
Институт компьютерных технологий и
информационной безопасности ИТА ЮФУ

Ответственный за сайт: Алексей Целых
Сайт разработан в Лаборатории информационно-
психологической безопасности СКБ "КИТ"