Competition Rules Data and Evaluation Leaderboard FAQs
Data Download Data Description Using SOPHGO TPU Submission Requirements Evaluation

Data Download

初赛数据集
（ Data available for download after registration） download icon

Data Description

本次赛题提供的数据集包含image和label两个文件夹。image文件夹由2885张训练集和133张测试集组成；label文件夹中包含2885个带有对应每张图片全部标签的txt文件。标签共包括三种类别：机动车、行人和非机动车。数据标签格式如下：

<class_id> <ct_x> <ct_y> <w> <h>

标签对应id：0:car, 1:person, 2:bike

E.g.

0 0.4284 0.6977 0.2984 0.5361 
1 0.2784 0.6125 0.0380 0.0361 
2 0.6706 0.7072 0.0255 0.0645

Using SOPHGO TPU

参考资料：https://sophgo-doc.gitbook.io/bmnnsdk2-bm1684

Submission Requirements

参赛者在训练完成并对测试集图片进行推理后，将测试集图片的检测结果以与训练集标签同名的txt文件保存，并上传至result_submit/文件夹下，具体保存方式见result_submit/README.md。上传格式实例如下所示：

<class_name> <confidence> <left> <top> <right> <bottom>

E.g.

car 0.399786 3 642 125 690
person 0.395193 1549 621 1686 796
bike 0.386811 373 647 395 701

P.S. 我们在scripts/文件夹中为选手提供脚本，可将<class_id> <confidence> <ct_x> <ct_y> <w> <h> 格式转换为提交所需的 <class_name> <confidence> <left> <top> <right> <bottom> 格式。

  1. 将检测结果保存至input/detection-results

  2. 将测试图片保存至images/

  3. 运行如下指令

python3 convert_gt_yolo.py

选手提交成绩后，若审核无误将会每日于result_submit/readme.md中更新分数，每周于赛事官网页面更新分数

Evaluation

  • 初赛

通过mAP(mean Average Precison)指标评测模型精度。mAP即各类别APIoU=0.5的平均值，其中APIoU=0.5为IoU阈值为0.5 的平均精度。初赛最终得分计算公式为：score=mAP*100，分数高者为优。

 

  • 复赛

1. 通过与初赛相同的mAP(mean Average Precison)指标评测模型精度。

2. 通过模型推理时间i_time评测模型性能，i_time为测试集图片推理的平均时间，单位为ms。

3. 最终得分计算公式为：score=mAP*100+(1000-i_time)*0.1，分数高者为优。