Задачи хакатона

Хакатон “Городской интеллект” пройдет в два этапа:

на первом этапе участникам будет предложено разработать алгоритм по распознаванию объектов дорожной обстановки в соответствии с заданием (ссылка для скачивания).

Dataset и Demo-версии инструментов распознавания будут предоставлены зарегистрировавшимся участникам, получить доступ к ним можно в личном кабинете.

на втором очном этапе 20-21 октября 2018 года участникам будет предложено в течение двух дней решить задачу генерального партнера хакатона. Команды, успешно справившиеся с задачей, получат призы от организаторов и денежное вознаграждение от генерального партнера.

Задание на первый этап хакатона “Городской интеллект”:

Перед Вами один из самых загруженных участков дорог города Белгорода

Белгород. Остановка Родина

Как найти видео:

Проект оператора связи «Региональные ТелеСистемы» http://belgorod.camera/
Видео «Остановка «Родина». Вид в сторону проспекта Славы».

URL с потоковым видео: http://video1.belrts.ru:9786/cameras/4/streaming/main.flv?authorization=Basic%20d2ViOndlYg%3D%3D

Необходимо разработать алгоритм распознавания одиночных изображений одного из самых загруженных участков города Белгород, который будет обнаруживать легковые и грузовые автомобили, автобусы на них.
Организаторы Хакатона «Городской интеллект», разметили фотографии, сделанные с этой камеры в дневное, вечернее, ночное и утреннее время.

Ссылка на материалы для обучения алгоритма распознавания доступна в личном кабинете зарегистрировавшихся на этом сайте, архив содержит фотографии обучающей выборки и соответствующие им xml-файлы разметки в формате Pascal VOC. Размечены следующие категории объектов:
1) Автомобиль (car),
2) Автобус (bus),
3) Грузовой автомобиль (truck).

После обучения алгоритма необходимо протестировать разработанный алгоритм на представленной  в личном кабинете  тестовой выборке.

Решение задачи представляется в виде архива xml-файлов, содержащем результаты разметки тестовой выборки, сгенерированной разработанным алгоритмом распознавания через форму загрузки ссылки на архив или самого архива на сайте хакатона belvisionhack.ru.

Проверка работоспособности алгоритма и качества результатов определяется на основе меры IoU (Intersection over union) и показателей точности (precision) и полноты (recall) каждого из типа найденных объектов. На основе результатов распознавания тестовой выборки вычисляются метрики AP (average precision) для каждого из типа объектов и mAP (mean average precision) для всей выборки.

Рейтинг участников будет публиковаться на сайте хакатона belvisionhack.ru по мере предоставления результатов.
Для решения задачи можно разрабатывать как свое решение, так и воспользоваться инструментами, предлагаемыми организаторами.

Инструменты, которые предлагаются для использования участниками, реализованные на языке программирования python3, и инструкции по их использованию доступны  в личном кабинете .