100万+奖金池！目标检测、车牌识别、人体分割等赛事全面启动！ ECV-2021 来了-技术圈

点击下方卡片，关注“CVer”公众号

AI/CV重磅干货，第一时间送达

ECV-2021极市计算机视觉开发者榜单大赛（以下简称ECV-2021）已于2021年7月6日正式开赛！

ECV-2021由青岛市人民政府指导，极视角科技有限公司、青岛市委台港澳办、青岛市工业和信息化局、青岛西海岸新区管委和青岛市城市管理局主办，青岛银行为独家金融支持单位，英特尔（中国）有限公司为战略合作伙伴，中国模式识别与计算机视觉大会（PRCV 2021）提供学术支持，极市平台、OpenVINO™工具套件提供技术支持，马达智数提供数据支持。

报名链接：https://www.cvmart.net/list/ECV2021

初赛阶段时间为7月6日-8月19日，8月19日截止报名，请各位开发者安排好参赛时间。

评审规则

大赛分为 初赛（线上开发算法）和决赛（线上答辩）两个比赛环节。

大赛总成绩=线上算法比赛成绩占70%,决赛答辩成绩占30%。

初赛

初赛时间：2021年7月6号 - 2021年8月19号

初赛形式：在既定8种命题中选择，线上完成算法开发，并使用OpenVINO™工具完成模型转换，并通过自动测试，得出算法总分。

初赛评审规则：算法精度占80％，算法性能占20％，具体计算规则见各赛题的评审规则。

初赛晋级规则：每个赛题的排行榜总分排名前8名队伍进入决赛阶段。

决赛

决赛时间：2021年9月7号 - 2021年9月16号

提交作品：算法应用演示视频，决赛答辩演讲PPT（官方将在9月6号截止作品提交）

决赛形式：入围决赛的队伍将进行视频答辩，讲解并演示自己的参赛作品应用。评审将依据评审规则统一进行评分，决出奖项归属。

决赛评选规则：评审将依据评审规则统一进行评分，选手决赛成绩取所有评委的平均分，最终决出奖项归属。

大赛奖项

8个赛题分开评奖，奖项设置一致，参赛者可多选赛题报名，可重复获奖！

*注：极力值可在极市平台兑换算力或礼品，兑换规则详见极力值说明：https://www.cvmart.net/document

8大赛题详解

赛题一：渣土车车牌识别

样例图：

数据集是由监控摄像头采集的现场场景数据，图片形式，jpg格式。

样例数据集：摄像头采集信息（100张），供参赛者了解赛题典型场景数据，可用于编码调试；

训练数据集：监控摄像头采集信息（10000张），含标注信息，参赛者需要在编码调试完成后，发起训练任务方可自动读取;

测试数据集：摄像头采集信息（5000张），不含标注信息，参赛者成功发起测试任务，即可自动读取；

数据标注文件为VOC格式的xml文件, 采用bounding box标注的方式。bounding box框住的是渣土车和车牌，一张图片对应一个标注文件XML，标注文件的命名与对应图片名字一样。

其中目标类别包含两种类型：

trigcar	表示渣土车，每个trigcar内还包含一个variable_text，表示这个渣土车对应的车牌，此标签用于自动测试。
license_plate	表示车牌，包含车牌的位置及其包含的文本。

赛题二：反光衣识别

样例图：

数据集是由监控摄像头采集的现场场景数据，图片形式，jpg格式。

样例数据集：摄像头采集信息（100张），供参赛者了解赛题典型场景数据，可用于编码调试；

训练数据集：监控摄像头采集信息（10000张），含标注信息，参赛者需要在编码调试完成后，发起训练任务方可自动读取;

测试数据集：摄像头采集信息（5000张），不含标注信息，参赛者成功发起测试任务，即可自动读取；

数据标注文件为VOC格式的xml文件, 一张图片对应一个标注文件XML，标注文件的命名与对应图片名字一样，采用bounding box标注的方式。bounding box框住的对象有四种标签，分别是：反光衣(clothes)、未穿反光衣(no_clothes)、穿反光衣的人(person_clothes)、未穿或不规范穿反光衣的人(person_no_clothes)。

您需要对这两个类别进行识别：person_clothes、person_no_clothes。其他两个类别用于辅助算法开发。

赛题三：驾驶员不良驾驶识别

样例图：

数据集来自于由摄像头采集的视频片段，每段视频经过分帧后被转成JPG格式的图片并存入到一个文件夹中，每张图片采用frame_id.jpg的命名格式，其中frame_id表示以1为起始的帧序号。每个图片文件夹都会有一个对应的标注文件，文件名称与文件夹一致，格式为XML，包含的标注类别如下所示：抽烟(smoke)、打哈欠(yawn)、打手机(phone)、驾驶员异常(a_driver)、左顾右盼(look_around)

样例数据集：每种类别分别会有几个视频帧集合，供参赛者了解赛题典型场景数据，可用于编码调试；

训练数据集：抽烟 400，打哈欠 110，打手机 400，驾驶员异常 400，左顾右盼 700，文件夹名称即为类别名称，参赛者需要在编码调试完成后，发起训练任务方可自动读取;

测试数据集：抽烟 100，打哈欠 40，打手机 100，驾驶员异常 100，左顾右盼 300，参赛者成功发起测试任务，即可自动读取；

赛题四：船只数量识别

样例图：

数据集是由监控摄像头采集的现场场景数据，图片形式，jpg格式。

样例数据集：摄像头采集信息（100张），供参赛者了解赛题典型场景数据，可用于编码调试；

训练数据集：监控摄像头采集信息（10000张），含标注信息，参赛者需要在编码调试完成后，发起训练任务方可自动读取;

测试数据集：摄像头采集信息（5000张），不含标注信息，参赛者成功发起测试任务，即可自动读取；

数据标注文件为VOC格式的xml文件, 采用bounding box标注的方式。bounding box框住的对象有一种标签，这个标签为船只（boat）。一张图片对应一个标注文件，标注文件的命名与对应图片名字一样。

赛题五：机动车识别

样例图：

数据集是由监控摄像头采集的现场场景数据，图片形式，jpg格式。

样例数据集：摄像头采集信息（100张），供参赛者了解赛题典型场景数据，可用于编码调试；

训练数据集：监控摄像头采集信息（10000张），含标注信息，参赛者需要在编码调试完成后，发起训练任务方可自动读取;

测试数据集：摄像头采集信息（5000张），不含标注信息，参赛者成功发起测试任务，即可自动读取；

数据标注文件为VOC格式的xml文件, 采用bounding box标注的方式。bounding box框住的是机动车，一张图片对应一个标注文件XML，标注文件的命名与对应图片名字一样。

数据标签分为三个类别，您需要对这三个类别进行识别：

小汽车 car	轿车、跑车、SUV、MPV商务车、小型面包车（蓝牌）等四轮小汽车，客车、大货车、公共汽车、拖拉机等。
三轮小汽车 tricar	如老年代步三轮车，不含三轮自行车、三轮摩托车和三轮电动车。
摩托车 motorbike	含摩托车、电瓶车。

赛题六：占道经营检测

样例图：

数据集是由监控摄像头采集的现场场景数据，图片形式，jpg格式。

样例数据集：摄像头采集信息（100张），供参赛者了解赛题典型场景数据，可用于编码调试；

训练数据集：监控摄像头采集信息（10000张），含标注信息，参赛者需要在编码调试完成后，发起训练任务方可自动读取;

测试数据集：摄像头采集信息（5000张），不含标注信息，参赛者成功发起测试任务，即可自动读取；

数据标注文件为VOC格式的xml文件, 采用bounding box标注的方式。bounding box框住的是摊贩，一张图片对应一个标注文件XML，标注文件的命名与对应图片名字一样。

数据标签分为三个类别，您需要对这三个类别进行识别：

固定摆摊fixed_stall	街道、人行道周边的地面摊位。
移动摆摊 move_stall	三轮车、贩卖小货车等。
遮阳伞sunshade	遮阳伞、临时贩卖小棚。

赛题七：电动车进电梯识别

样例图：

数据集是由监控摄像头采集的现场场景数据，图片形式，jpg格式。

样例数据集：摄像头采集信息（100张），供参赛者了解赛题典型场景数据，可用于编码调试；

训练数据集：监控摄像头采集信息（10000张），含标注信息，参赛者需要在编码调试完成后，发起训练任务方可自动读取;

测试数据集：摄像头采集信息（5000张），不含标注信息，参赛者成功发起测试任务，即可自动读取；

数据标注文件为VOC格式的xml文件, 一张图片对应一个标注文件XML，标注文件的命名与对应图片名字一样，采用bounding box标注的方式。bounding box框住的对象有三种标签，分别是：人(person)、自行车(bicycle)、电动自行车(e_vehicle)，您需要对这三个类别进行识别。

赛题八：人体解析分割

样例图：

数据集是由监控摄像头采集的现场场景数据，图片形式，PNG格式。

样例数据集：摄像头采集信息（100张），供参赛者了解赛题典型场景数据，可用于编码调试；

训练数据集：监控摄像头采集信息（6000张），含标注信息，参赛者需要在编码调试完成后，发起训练任务方可自动读取;

测试数据集：摄像头采集信息（1000张），不含标注信息，参赛者成功发起测试任务，即可自动读取；

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。该数据集拥有20种语义类别，其内容（像素值-类别名称）如下所示：

0-背景 (Background)	1-帽子(Hat)	2-头发(Hair)	3-手套(Glove)	4-太阳镜(Sunglasses)
5-上衣 (UpperClothes)	6-裙子(Dress)	7-外套(Coat)	8-短袜(Socks)	9-裤子(Pants)
10-连身长裤(Jumpsuits)	11-围巾(Scarf)	12-短裙(Skirt)	13-脸(Face)	14-左臂(Left-arm)
15-右臂 (Right-arm)	16-左腿 (Left-leg)	17-右腿 (Right-leg)	18 左鞋 (Left-shoe)	19-右鞋 (Right-shoe)