四大AI赛题,260万总奖金,2019之江杯等你来挑战

2019 年 7 月 19 日 机器之心

7月16日下午,由国家互联网信息办公室、浙江省人民政府指导,之江实验室、中国人工智能产业发展联盟(AIIA)、中国通信学会、杭州市人民政府共同主办的“2019之江杯全球人工智能大赛”正式启动。

中国工程院院士、之江实验室人工智能首席科学家潘云鹤在启动仪式上致辞。他表示,今天的人工智能已经进入了一个全新的领域,我们研究的人工智能已经延伸拓展到和自然科学、工程技术、人类社会及世界潮流都息息相关,而且通过信息领域将它们编织在一起。当下,人工智能不仅是科学家、计算机专业教授老师及学生们的工作,而且是全社会、各行各业都需要掌握的一项技能和手段。所以有必要通过举办比赛,扩大人工智能的影响力。此外,未来的人工智能2.0也是一场跨国、跨学科的人类探索工程,因此我们要吸引全世界的人工智能从业者和爱好者通过之江杯大赛平台,把最先进的人工智能算法和技术汇聚、传播,再研究、再提高。

根据大赛计划,即日起至8月31日,参赛选手可登录“之江人工智能大赛平台”(点击阅读原文进入大赛官网:aicup2019.zhejianglab.com)进行注册报名。

今年之江杯全球人工智能大赛以“之识无界 AI无限”为主题,设置创新赛和技术挑战赛两大赛道,其中创新赛包含“零样本目标检测”“行人多目标跟踪”“电商评论观点挖掘”三大赛题,技术挑战赛以“视频描述生成”为赛题。

启动仪式上,大赛技术委员会对大赛赛制和赛题作了详细介绍。其中创新赛聚焦图像、视频、自然语言处理、数据挖掘等人工智能领域,推动人工智能基础算法创新和突破。具体而言,“零样本目标检测”的任务是在已知类别上训练目标检测模型,要求模型能够用于检测图片中未知类别的样本;“行人多目标跟踪”的任务是对广场、街道、商场、室内等多种固定摄像头监控场景中的人员进行自动跟踪,包括行人、驾驶非机动车的人等;“电商评论观点挖掘”的任务是在电商品牌商品评论中抽取品牌商品属性和消费者观点,并确认其情感极性和属性种类。

技术挑战赛的“视频描述生成”赛题,则要求参赛者利用计算机视觉算法识别和理解输入视频的内容,并通过计算机算法自动输出准确的文字内容描述。

“创新赛的赛题设置将人工智能同垂直领域应用、产业对接和市场推广等方面进行融合,从而推动人工智能为实体经济发展注入新动能,技术挑战赛则力争通过充分发挥参赛各方优势和资源特色,加速人工智能的技术发展和应用创新。”之江实验室副主任、大赛组委会秘书长袁继新介绍说。

同时,为激发广大青年学生、科研人员、人工智能创业者参与人工智能理论和算法研究的热情,打造中国人工智能科技创新高地,大赛的四大赛题将分别角逐出一等奖队伍1支、二等奖队伍2支、三等奖队伍3支,赛事主办方将给予30万、10万和5万的现金奖励,以及提供人才政策、项目支持、创业支持等其他资助。

据悉,2019之江杯全球人工智能大赛,以“以赛引才、以赛促研、以赛兴业”为基本思路,聚焦人工智能“基础研究”+“产融结合”,促进我国人工智能发展走在世界前列,引领科技发展潮流。大赛将于8月-9月举行初赛与复赛,10月在杭州举行决赛。

登录查看更多
0

相关内容

之江实验室成立于2017年9月6日,坐落于杭州城西科创大走廊核心地带,是浙江省委、省政府深入实施创新驱动发展战略、探索新型举国体制浙江路径的重大科技创新平台。实验室以“打造国家战略科技力量”为目标,由浙江省人民政府主导举办,实行“一体两核多点”的运行架构,主攻智能感知、人工智能、智能网络、智能计算和智能系统五大科研方向,重点开展前沿基础研究、关键技术攻关和核心系统研发,建设大型科技基础设施和重大科研平台,抢占支撑未来智慧社会发展的智能计算战略高点。目前,之江实验室已获批牵头建设智能科学与技术浙江省实验室。官网:https://www.zhejianglab.com/
【CVPR2020】多模态社会媒体中危机事件分类
专知会员服务
54+阅读 · 2020年4月18日
面向司法案件的案情知识图谱自动构建
专知会员服务
125+阅读 · 2020年4月17日
电力人工智能发展报告,33页ppt
专知会员服务
126+阅读 · 2019年12月25日
2019中国硬科技发展白皮书 193页
专知会员服务
81+阅读 · 2019年12月13日
国际大数据分析竞赛(IWC 2019)
专知
6+阅读 · 2019年2月19日
组队刷Kaggle, 机器学习竞赛等你来挑战!
九章算法
4+阅读 · 2019年2月17日
竞赛推荐 | 奖金池20万:钢筋数量AI识别比赛
极市平台
3+阅读 · 2019年1月12日
AI Challenger 2017 奇遇记
AINLP
5+阅读 · 2018年6月10日
Equalization Loss for Long-Tailed Object Recognition
Arxiv
5+阅读 · 2020年4月14日
Symbolic Priors for RNN-based Semantic Parsing
Arxiv
3+阅读 · 2018年9月20日
Arxiv
7+阅读 · 2018年8月28日
Arxiv
19+阅读 · 2018年5月17日
Arxiv
6+阅读 · 2018年4月23日
Arxiv
8+阅读 · 2018年4月12日
Arxiv
4+阅读 · 2018年3月19日
VIP会员
相关论文
Equalization Loss for Long-Tailed Object Recognition
Arxiv
5+阅读 · 2020年4月14日
Symbolic Priors for RNN-based Semantic Parsing
Arxiv
3+阅读 · 2018年9月20日
Arxiv
7+阅读 · 2018年8月28日
Arxiv
19+阅读 · 2018年5月17日
Arxiv
6+阅读 · 2018年4月23日
Arxiv
8+阅读 · 2018年4月12日
Arxiv
4+阅读 · 2018年3月19日
Top
微信扫码咨询专知VIP会员