DataFountain新上两项CV算法竞赛（文化传承——汉字书法多场景识别、大数据医疗——肝癌影像AI诊断）—

欢迎关注微信公众号【计算机视觉联盟】获取更多前沿AI、CV资讯

好消息啦，2019数字中国创新大赛最后四道赛题如期揭幕，其中又有两道计算机视觉赛题，每题均设立16万巨奖，是不是很激动，让我们一起来看看吧！

CV赛题一名称

文化传承 – 汉字书法多场景识别

CV赛题一背景

书法是汉字的书写艺术，是中华民族对人类审美的伟大贡献。从古至今，有大量照亮书法艺术星空的经典之作，是中华文明历经漫长岁月留下的艺术精华。

这些书法作品现在仍以各种形式呈现给世人：博物馆里的字画作品、旅游景点里的碑刻、建筑上的题词、对联、牌匾、甚至寻常家居里也会悬挂带有书法艺术的字画。

在全球化、电子化的今天，书法的外部环境有了非常微妙的变化，对于年轻一代，古代书法字体越来越难以识别，一些由这些书法文字承载的传统文化无法顺利传承。

所以利用先进的技术，实时、准确、自动地识别出这些书法文字，对于记录整理书法艺术和传播书法背后的中国文化有着重要的社会价值。

利用人工智能技术，现在的中文识别已经有了很大的突破和极高的准确率。但是对于各种真实场景下（比如国画背景、建筑背景）的非楷书书法识别效果还不是很好。

本次大赛希望征集到优秀的有创意的AI算法，解决这个问题。

CV赛题一任务

书法是中华民族文化传承的瑰宝，希望此次大赛能够通过人工智能算法实现书法文字的自动识别，解决实际场景中有些书法文字难以识别的问题。

要求参赛者给出测试数据集中每张图片中文字的位置及对应的内容。推荐参赛者在华为云ModelArts开发平台上完成训练和预测任务。

本次大赛会提供已标注的训练图片集供参赛者开发训练生成模型和算法，参赛者用开发&训练生成的模型和算法识别测试图片集中每张图片书法文字的内容以及文字对应的位置并提交竞赛平台，以参赛者提交的结果准确率作为竞赛排名成绩的依据。

CV赛题二名称

大数据医疗——肝癌影像AI诊断

CV赛题二背景

肝癌是病死率最高的恶性肿瘤之一，我国是肝癌第一大国，每年约有38.3万人死于肝癌，占全球肝癌死亡病例数的51%，近年来肝癌的发病率还在逐渐增高。

世卫组织预计，如不采取紧急行动提高诊疗可行性，2015至2030年间中国将有约1000万人因肝硬化和肝癌死亡。

CT具有较高的分辨率，对肝癌的定位和定性诊断价值肯定，已成为常规检查项目，是一种安全、创伤较小的检查方法，诊断符合率可达到90%以上，对肝癌的诊断及其程度的判断有重要的临床意义。

CV赛题二任务

本赛题基于肝部腹腔强化CT断层扫描数据，以及相应的诊断结果。希望参赛者利用数据建模技术，构建基于医学影像的肝癌辅助诊断模型，利用人工智能手段对腹部CT影像进行诊断，判断患者良恶性，以帮助医生更加高效地对肝癌患者进行筛查。

大赛赛程

2019年1月10日第一批赛题发布，大赛报名启动

发布第一批两道赛题，大赛正式启动报名、下载数据

2019年1月22日第二批赛题发布

发布第二批四道赛题，第二批赛题正式启动报名、下载数据

2019年1月22号12:00:00 - 3月21号23:59:59 初赛A榜

可持续报名，作品实时评测

2019年3月22号 - 3月24号初赛B榜

报名截止，作品定时评测

2019年4月上旬分区决赛

北区：北京（大数据A赛题、人工智能A赛题、）
东区：上海（工业互联网A赛题、人工智能B赛题）
南区：福州（大数据B赛题）
西区：西安（工业互联网B赛题）

2019年4月中旬专家辅导、作品优化

2019年4月下旬总决赛及颁奖典礼

重点来啦！！

重点一

每项比赛总奖池16万人民币，设置如下：

重点二

权威证书和进入相应企业的人才招聘的绿色通道：

以上两个是新出来的CV算法竞赛，下边数钢筋大赛则是前段时间发布的！

竞赛名称

智能盘点—钢筋数量AI识别

竞赛背景

在工地现场，对于进场的钢筋车，验收人员需要对车上的钢筋进行现场人工点根，确认数量后钢筋车才能完成进场卸货。目前现场采用人工计数的方式，如图1-1中所示：

图1-1 钢筋点跟现场场景

上述过程繁琐、消耗人力且速度很慢（一般一车钢筋需要半小时，一次进场盘点需数个小时）。针对上述问题，希望通过手机拍照->目标检测计数->人工修改少量误检的方式（如图1-2）智能、高效的完成此任务：

图1-2 理想工作场景

竞赛难点

（1）精度要求高（High precision requirement ）
钢筋本身价格较昂贵，且在实际使用中数量很大，误检和漏检都需要人工在大量的标记点中找出，所以需要精度非常高才能保证验收人员的使用体验。

需要专门针对此密集目标的检测算法进行优化，另外，还需要处理拍摄角度、光线不完全受控，钢筋存在长短不齐、可能存在遮挡等情况。

（2）钢筋尺寸不一(Various dimensions of rebars)
钢筋的直径变化范围较大（12-32中间很多种类）且截面形状不规则、颜色不一，拍摄的角度、距离也不完全受控，这也导致传统算法在实际使用的过程中效果很难稳定。

（3）边界难以区分(Indistinguishable boundaries )
一辆钢筋车一次会运输很多捆钢筋（如图1-3），如果直接全部处理会存在边缘角度差、遮挡等问题效果不好，目前在用单捆处理+最后合计的流程，这样的处理过程就会需要对捆间进行分割或者对最终结果进行去重，难度较大。

图1-3 钢筋进场场景

竞赛任务

本赛题基于广联达公司提供的钢筋进场现场的图片和标注，希望参赛者综合运用计算机视觉和机器学习/深度学习等技术，实现拍照即可完成钢筋点根任务，大幅度提升建筑行业关键物料的进场效率和盘点准确性，将建筑工人从这项极其枯燥繁重的工作中解脱出来。
比赛任务以算法在验证数据集上的精度为主要评估指标，具体技术指标以《评分方式》一节中给出的量化指标为准。

参赛地址：https://www.datafountain.cn/competitions