35G+的真实标注数据集已开放！渣土车识别和积水识别2大赛题详解来了！

会员服务 ·

35G+的真实标注数据集已开放！渣土车识别和积水识别2大赛题详解来了！

2021 年 12 月 6 日 极市平台

↑ 点击蓝字关注极市平台

2021极市超新星算法竞赛已于2021年12月1日正式开赛！

比赛将于 12月30号截止提交比赛作品，来年1月公布获奖名单，请各位开发者安排好时间，拿个好成绩！

直播培训

为了帮助开发者更好的专注算法的精度性能提升上，极市明日开启首场直播培训，信息如下：

【直播时间】

12月7日

（周二）19:00 - 20:30

【直播主题】《超新星-极市线上算法开发培训》

【直播大纲】

超新星赛制介绍
极市训练平台开发功能使用介绍
在线实操详解

【扫码关注直播】

赛题详解

赛题一：积水识别

样例图：

一、数据详情

1、数据来源：已有标注数据

2、训练数据量：20567

3、测试数据量：8837

二、数据说明

1、数据集包含原图片以及相对应分割后的图片（标注文件），标注文件的格式为PNG，并且为单通道灰度图。

在本任务中，为了直观地观察输出的PNG图片，使用如下灰度值：

积水：1
背景：0

例如，原图片为：

▲数据原图

数据标注的mask为：

（图中绿色mask为示例，实际标注积水mask的灰度值为1，不是绿色）

▲标注示例图

三、自动测试相关

平台提供的自动测试服务，意在模拟算法真实场景下的落地过程，并且为大家提供方便的模型测试工具。因此，您需要按照平台的要求封装SDK，也就是按照平台封装模型推理时的输入输出。您可以选择python或者C++来封装，为了简便这里建议您使用python。

Python接口

用户需要按照要求实现如下函数接口，发起测试时，系统会调用文件/project/ev_sdk/src/ji.py，并将测试图片逐次送入process_image接口，并将输出MASK输出到给定的路径，需要实现的程序接口：

import json fromPILimportImageimportnumpyasnp definit():"""Initialize model     Returns: model     """return {} defprocess_image(handle=None,input_image=None,args=None, **kwargs):"""Do inference to analysis input_image and get output     Attributes:        handle: algorithm handle returned by init()        input_image (numpy.ndarray): image to be process, format: (h, w, c), BGR        args: string in JSON format, format: {            "mask_output_path": "/path/to/output/mask.png"        }     Returns: process result     """args =json.loads(args)mask_output_path =args['mask_output_path']# Process image here# Generate dummy mask datah, w, _ = input_image.shapedummy_data = np.random.randint(low=0, high=20, size=(w, h), dtype=np.uint8)pred_mask_per_frame = Image.fromarray(dummy_data)pred_mask_per_frame.save(mask_output_path)returnjson.dumps({'mask': mask_output_path}, indent=4)

C/C++接口

用户需要按照要求实现函数接口，并将实现好的程序编译成库存放到/ project /ev_sdk/lib/libji.so，发起测试时，系统会调用此文件进行测试，并将测试图片逐次送入ji_calc_frame接口，接口说明请参考/ project /ev_sdk/include/ji.h，需要实现的接口：

intji_init(intargc,char**argv);void*ji_create_predictor(intpdtype);intji_calc_frame(void*predictor,constJI_CV_FRAME*inFrame,constchar*args,JI_CV_FRAME*outFrame,JI_EVENT*event);

其中ji_calc_frame接口的返回值event.json需要满足算法输出规范。

赛题二：渣土车识别

样例图：

一、数据详情

1、数据来源：已有标注数据

2、训练数据量：16491

3、测试数据量：2712

二、标注方案

1、标签：

slagcar渣土车

car 小汽车：轿车、跑车、SUV、商务车、小型面包车等四轮小汽车

tricar 三轮小汽车：如老年代步三轮车，三轮自行车、三轮摩托车和三轮电动车

motorbike摩托车：含电瓶车、电动车

bicycle 两轮自行车：不含三轮自行车

bus公共汽车、客车

truck大型货车、小型货车

tractor 拖拉机

2、标注示例：

3、特殊情况：数据中被遮挡部分可以脑补出车辆正常标注。

三、自动测试相关

Python接口

用户需要按照要求实现如下函数接口，发起测试时，系统会调用文件/project/ev_sdk/src/ji.py，并将测试图片逐次送入process_image接口，需要实现的程序接口：

import json

def init ():"""Initialize model    Returns: model    """return {}

def process_image ( handle = None , input_image = None , args = None , ** kwargs ):"""Do inference to analysis input_image and get output    Attributes:        handle: algorithm handle returned by init()        input_image (numpy.ndarray): image to be process, format: (h, w, c), BGR    Returns: process result

    """# Process image herefake_result = {}fake_result["algorithm_data"]={       "is_alert": false,       "target_count": 0,       "target_info": []   }fake_result["model_data"]={"objects": []}return json.dumps (fake_result , indent = 4)

C/C++接口

int ji_init ( int argc , char** argv );void* ji_create_predictor ( int pdtype );int ji_calc_frame ( void* predictor , const JI_CV_FRAME * inFrame , constchar* args , JI_CV_FRAME * outFrame , JI_EVENT * event );