年度最值得参与的大数据赛事第三届江苏大数据开发与应用大赛赛题正式发布啦

t15653212167_ 2022-10-14 10:22:56

年度最值得参与的大数据赛事第三届江苏大数据开发与应用大赛

(简称SEED)赛题正式发布啦

大赛简介

第三届江苏大数据开发与应用大赛(简称SEED大赛)是由江苏省工业和信息化厅、无锡市人民政府主办,旨在进一步汇聚核心产业高价值种子数据集,促进公共数据共享开放,吸引数字化产业人才落户以及助推数字经济高质量发展。前两届大赛累计吸引到了全球3041支队伍报名,收到了9111份参赛作品,获得了较高的关注度与知名度,成为了中国大数据领域具有影响力的综合赛事之一。

第三届SEED大赛已于8月在无锡正式启动,受到全球大数据领域人才的高度关注。本次大赛规模空前,赛题前沿,阵容豪华,奖金丰厚,等你接招!

大赛流程

报名时间:8月9日-10月下旬

初赛时间:2022年10月–11月

复赛时间:2022年11月-12月

总决赛时间:12月份

(具体时间以官方通知为准)

大赛赛题

探索数据与产业融合的创新发展

推进行业产业数字化转型

本届大赛设置3个算法赛道+1个创新创意赛道

分别为医疗卫生、智能制造、

能源管理、数字媒体四个赛道

医疗卫生赛道--人工智能在胃癌诊断中的应用

【赛题描述】

医疗卫生赛道围绕胃癌病理图像,通过参赛者开发的AI算法,辅助判断胃癌图像的T分期指标。大赛在此基础上公布病例的其它多维度的病理诊断信息,选手需进行多模态数据分析,构建智能模型,实现患者的胃癌总分期的准确预测。

【初赛】

本赛题提供一批病理数字切片,由专业医师给出癌症TNM分期指标的标注。选手需要使用计算机视觉相关技术,按照TNM分期指标中“T”指标对切片进行分类预测,辅助医生进行识别,提高病理诊断效率。

使用TNM分期进行肿瘤评估时,T0代表无证据表明存在原发肿瘤、T1~T4代表癌细胞的侵入程度逐渐加深。在初赛中,选手需对提供的切片进行侵入程度的分类预测,共分为五类,包括T0、T1、T2、T3、T4。

智能制造赛道--垃圾焚烧炉关键指标的智能预测

【赛题描述】

本赛题旨在通过锅炉传感器采集的多维度数据,深度分析挖掘数据间的联动关系从而预测锅炉的主蒸汽流量并同步辅助工艺人员进行关键指标的调整和优化。

【初赛】

依托锅炉传感器采集的多维脱敏数据(采集频率为秒级别),根据锅炉工况,进行多维特征处理并构造算法模型,预测未来30分钟的主蒸汽流量。

能源管理赛道--数据安全保护下的电力数据价值挖掘与实现

【赛题描述】

赛题以“电力+政府+隐私计算”为主题,依托大赛提供的电力与政务数据,在充分保护数据隐私安全的前提下,将电力数据与政务数据深度融合,充分挖掘数据价值。

【初赛】

初赛阶段,选手需要基于隐私计算技术搭建联邦学习框架(推荐使用FATE联邦学习集群框架),在本地构建联邦学习模型。联邦学习一方持有电力数据,另一方持有政务数据,二者数据需要做到互相不可见。选手基于构建好的联邦学习集群,依托两方数据,预测企业未来一个季度的税收。

数字媒体赛道--数字赋能中国青少年足球人才选拔与培养路径探索

【赛题描述】

本赛道聚焦我国当下足球发展现状,运用数字媒体技术,针对我国青少年足球人才提出选拔与培养方案,方案以青少年足球的复合型人才培养为目标,以提高青少年体质健康、运动技能和人格素养为愿景,在青少年足球人才全面发展的的基础上,提升足球全民参与度,共同助力中国足坛发展。

【初赛】

参赛团队依托大赛提供的青少年足球比赛视频,允许选手自行搜集外部数据,提交一份带有解说的创意视频,视频及解说体现青少年足球人才选拔与培养方案的整体思路,时长不超过三分钟,视频中外部素材的总时长不得超过一分钟,视频作品要求兼具内容实用性和美感。

赛事组织

 

大赛奖励

重磅资源扶持 巨额奖金加码

鼓励高校、资源企业、科研机构参赛

1.大赛共设奖金88万元,每个赛道各设一等奖1个,奖金8万元;二等奖2个,奖金4万元/个;三等奖3个,奖金1万元/个;优胜奖6个,奖金0.5万元/个。

2.获奖团队由大赛组委会颁发获奖证书、奖杯。

3.对于各赛道前20名获奖团队参赛者将获得江苏大数据联盟、国网江苏省电力有限公司、中国移动通信集团江苏有限公司以及中国联合网络通信有限公司江苏省分公司旗下企业人才推荐资格

4.大赛中涌现的优秀团队将有机会入驻无锡数据湖科技企业孵化器,享受专业孵化服务,加速项目落地。

5.符合要求的优胜者可享有一定的无锡人才引进政策。

报名通道

赛事详情请登陆大赛官网进行查看

http://www.jseedata.co

登陆MARS大数据服务平台进行报名

http://www.marsbigdata.com

...全文
950 1 打赏 收藏 转发到动态 举报
写回复
用AI写文章
1 条回复
切换为时间正序
请发表友善的回复…
发表回复
t15653212167_ 2022-10-14
  • 打赏
  • 举报
回复

img


开赛邀请.jpg

数据集可视化效果可参见下方展示。 【数据集概况】 · 检测类别(中文):[保龄球(bowling)] · 训练集:594 张 · 验证集:75 张 · 测试集:74 张 · 总计:743 张 该数据集聚焦于室内保龄球馆场景,系统性采集了多角度、多姿态下保龄球在不同运动阶段的视觉特征,为保龄球运动过程中的球体识别与轨迹分析提供了高质量标注样本,具有明确的体育训练与智能辅助系统开发价值。... 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 100 个 epoch,最终轮指标: 指标 | 数值 mAP50 | **0.9938** mAP50-95 | 0.6966 Precision | 0.9740 Recall | 0.9974 train/box_loss | 0.9113 train/cls_loss | 0.2862 val/box_loss | 1.1516 val/cls_loss | 0.3116 【训练过程分析】 100 轮训练后 mAP50 达到 0.9938,模型收敛良好。Loss 曲线前段快速下降,后段趋于平稳,val_loss 无反弹,没有明显过拟合。但 mAP50-95 为 0.6966,和 mAP50 差距 0.30,定位精度仍有优化空间。 【模型性能评估】 Precision 0.9740、Recall 0.9974,精召双高,模型对保龄球的检测能力强。 【预测效果展示】 验证集预测效果较好,检测框基本准确覆盖保龄球,置信度整体偏高。 【改进建议】 1. 丰富场景多样性:补充不同光照、背景和遮挡条件下的样本。 2. 提升输入分辨率:640 ...
PaddleOCR 与YOLO目标检测 HTTP 服务。 项目通过 PaddleOCROnnx 原生库集成 OnnxRuntime加速能力,围绕 ONNX 模型部署, 以统一接口提供图像文字识别、YOLO 目标检测和 Tensor 数据输出。 功能概览 文字识别:支持图片 Base64、multipart/form-data 上传,以及文本和 JSON 结果。 目标检测:支持 YOLO 图片检测,返回检测框 JSON 或原始 Tensor。 浏览器演示:访问服务根地址,上传图片并切换 OCR、YOLO 模式。 健康检查:通过 /health 查看服务及 OCR、YOLO 引擎初始化状态。 并发处理:通过 OCR 引擎实例池处理并发请求,可调整实例数量。 体验与调用 启动后访问: 入口 地址 浏览器演示 http://localhost:5000/ 健康检查 http://localhost:5000/health 原生依赖 Windows:优先从 runtimes/win-x64/native/ 加载原生 DLL;该目录没有 PaddleOCROnnx.dll 时,尝试从可执行文件所在目录加载。主 DLL 与对应后端依赖应放在同一原生目录中,不要将同一组依赖分散到多个目录。 Linux:原生运行时位于 runtimes/linux-x64/native/,程序使用相对于可执行文件的运行时搜索路径查找随包部署的依赖。 后端选择:CoreOCROnnx 支持 ONNX Runtime、OpenVINO、TensorRT 后端。请使用与平台、进程架构、硬件和后端匹配的一整套运行时,不要混用不同后端或版本的依赖。

9,513

社区成员

发帖
与我相关
我的任务
社区描述
Windows专区 安全技术/病毒
社区管理员
  • 安全技术/病毒社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧