CCF大数据与计算智能大赛（CCF Big Data & Computing Intelligence Contest，简称CCF BDCI）由国家自然科学基金委员会指导，是大数据与人工智能领域的算法、应用和系统大型挑战赛事。

在2021 CCF大数据与计算智能大赛上，作为本届大赛的合作方，OneFlow此前在先进系统赛道提交了“基于BERT的大模型容量挑战赛”赛题，目前已有1221支队伍参赛。这次，聚焦业内备受关注的自动驾驶场景，OneFlow还提交了“人车目标检测、交通标志分类识别、交通灯识别、天气及时间分类”四大训练赛题，由云测数据提供真实场景下的数据集。四大赛题旨在鼓励参赛者发明和实现前沿算法，体验OneFlow深度学习框架的极致性能和易用性，帮助提升相应技术能力。

目前四大赛题已开启报名，各赛题若无特别通知，永久开放。截止到2022年1月3日，排行榜前3名的队伍将会获得1个CCF会员名额+纪念奖牌（提交团队数大于10），排行榜前50名的团队将会获得平台发出的电子证书。欢迎报名切磋技艺。

（欢迎加入赛题微信群交流）

据了解，大赛迄今已成功举办八届，累计吸引全球1500余所高校、1800家企事业单位及80余所科研机构的12万余人参与，已成为中国大数据与人工智能领域最具影响力的活动之一，是中国大数据综合赛事第一品牌。2021年第九届大赛致力于解决来自政府、企业真实场景中的痛点、难点问题，邀请全球优秀团队参与数据资源开发利用，广泛征集信息技术应用解决方案。

赛题介绍

赛题一：人车目标检测

赛题背景

目标检测在自动驾驶等方面有着广泛的应用前景，在自动驾驶场景中，使用视觉传感器对人和车目标进行检测并规避障碍物。此挑战旨在使用OneFlow框架对真实场景下行车记录仪采集的图片进行人和车2D目标检测。

赛题任务

此赛题的数据集由云测数据提供。比赛数据集中包含3000张真实场景下行车记录仪采集的图片，其中训练集包含2600张带有标签的图片，测试集包含400张不带有标签的图片。参赛者需基于OneFlow框架在训练集上进行训练，对测试集中两种类型的对象：人和车进行两点目标检测，并对检测的目标进行识别。数据集中共有22种细分的人车类型标签。

模型搭建可参考：

https://github.com/Oneflow-Inc/vision/tree/main/projects/detection

报名链接：

https://www.datafountain.cn/competitions/552

赛题二：交通标志分类识别

赛题背景

目标检测在自动驾驶等方面有着广泛的应用前景，在自动驾驶场景中，需要对交通标志（如限速标志等）进行识别以采取不同的驾驶策略。此赛题旨在使用Oneflow框架识别图像中显示的交通标志的类型，并且对不同的环境（如光线、障碍物或标志距离）具有鲁棒性。

赛题任务

此赛题的数据集由云测数据提供。比赛数据集中包含6358张真实场景下行车记录仪采集的图片，我们选取其中95%的图片作为训练集，5%的图片作为测试集。参赛者需基于OneFlow框架在训练集上进行训练，对测试集中的交通标志进行分类识别。数据集中共有10种细分的交通标志标签。

模型搭建可参考：

https://github.com/Oneflow-Inc/vision/tree/main/projects/detection

报名链接：

https://www.datafountain.cn/competitions/553

赛题三：交通灯识别

赛题背景

目标检测在自动驾驶等方面有着广泛的应用前景，在自动驾驶场景中，需要对交通红绿灯进行识别进行刹车和启动，尤其部分红绿灯在距离较远的情况下是小目标，会对检测识别造成一定的难度。此赛题旨在使用OneFlow框架对不同的环境（如光线、障碍物或标志距离）下的红绿灯目标进行检测并识别灯的类别和颜色。

赛题任务

此赛题的数据集由云测数据提供。比赛数据集中包含3000张真实场景下行车记录仪采集的图片，其中训练集包含2600张anchor box坐标以及类别标签的图片，测试集包含400张不带有标签的图片。参赛者需基于OneFlow框架在训练集上进行训练，对测试集中的红绿灯进行目标检测以及颜色的识别。（检测inbox和color）

模型搭建可参考：

1.https://github.com/Oneflow-Inc/vision

2.https://github.com/Oneflow-Inc/models/tree/main/Vision/classification/image

报名链接：

https://www.datafountain.cn/competitions/554

赛题四：天气以及时间分类

赛题背景

在自动驾驶场景中，天气和时间（黎明、早上、下午、黄昏、夜晚）会对传感器的精度造成影响，比如雨天和夜晚会对视觉传感器的精度造成很大的影响。此赛题旨在使用OneFlow框架对拍摄的照片天气和时间进行分类，从而在不同的天气和时间使用不同的自动驾驶策略。

赛题任务

此赛题的数据集由云测数据提供。比赛数据集中包含3000张真实场景下行车记录仪采集的图片，其中训练集包含2600张带有天气和时间类别标签的图片，测试集包含400张不带有标签的图片。参赛者需基于OneFlow框架在训练集上进行训练，对测试集中照片的天气和时间进行分类。

模型搭建可参考：

1.https://github.com/Oneflow-Inc/vision

2.https://github.com/Oneflow-Inc/models/tree/main/Vision/classification/image

报名链接：

https://www.datafountain.cn/competitions/555

更多赛事详情，请查看相应赛题页面，欢迎个人或组队报名参与。

特别致谢：云测数据为赛题数据集提供了大力支持

云测数据是Testin云测旗下AI训练数据服务品牌，以高质量、场景化的AI训练数据服务为基础，持续为智能驾驶、智慧城市、智能家居、智慧金融等众多领域提供通用数据集、数据标平台&数据管理工具、数据采集/数据标注等服务，全方位支持文本、语音、图像、视频等各类型数据的处理。深度合作伙伴包含众多世界500强企业、高校科研机构、政府机构，头部AI企业和大型互联网企业，涵盖了计算机视觉、语音识别、自然语言处理、知识图谱等AI主流技术领域。

题图源自jingoba, Pixabay

其他人都在看

• OneFlow v0.5.0正式上线

• OneFlow中的错误处理：Maybe

• 最理想的点到点通信库究竟是怎样的

• Credit-based Flow Control的前世今生

• 没有这个传奇工程师，就没有今天的Windows

• 新东方讲师到AI框架工程师，我的历次职业转折

点击“阅读原文”，欢迎下载体验OneFlow新一代开源深度学习框架