数字化的经济方兴未艾，正深入渗透到社会各领域全过程。由国家信息中心、贵州省大数据发展管理局、贵州省气象局、共青团贵州省委、贵阳市人民政府指导，贵阳大数据交易所主办的“数据场景应用创新大赛”正如火如荼地举办中，大赛致力于探究数据要素流通交易的应用场景和解决方案，助推数字经济发展，助力数字强国建设 。
近日，由贵阳大数据交易所主办、北京易华录信息技术股份有限公司（以下简称“易华录”）协办的“数据场景应用创新大赛”图片赛道“城市治理之垃圾暴露检测算法赛”解读及答疑活动在线上成功举办。易华录数据要素事业群技术副总经理魏健康对赛题进行了详细地理解阅读，并围绕参赛选手及团队提出的问题进行了答疑解惑。
城市治理已成为推进国家治理体系和治理能力现代化的重要内容。习强调，“推进国家治理体系和治理能力现代化，必须抓好城市治理体系和治理能力现代化”“要着力完善城市治理体系和城乡基层治理体系，树立全周期管理意识，努力探索超大城市现代化治理新路子”。
随着我们正常的生活质量的提高，很多污染严重的残剩物被随意地丢弃，不仅影响市容，还给居民的生活带来极大困扰，为了达到利用人工智能技术进行垃圾暴露现象事件抓拍、证据留存的目的，本次图片赛道以“针对城市道路和社区环境中的垃圾暴露现象进行感知发现”为主题。赛道要求参赛选手根据提供的检验测试的数据集，进行模型设计和优化。
本赛题中，垃圾按照数据集目标数量和类别被分为十类，每一类垃圾图片数量为几十至几千张。根据不一样的尺寸和形状的目标，数据集提供的原始图片分辨率也不同，分辨率像素区间为3002048ppi，需要选手分析标签物体分辨率的分布范围，考虑模型的输入尺寸。
选手需对数据集进行去重和清洗，确保数据集中没有重复样本和错误标注信息。在数据预处理上，选手需对数据集进行预处理，包括对图片进行缩放、裁剪、归一化等，以及对标注信息进行格式转换和统一格式等操作，以便后续的训练和评估。在数据增强上，选手需对数据集进行增强，扩充、以增加数据集的多样性和丰富性，提高模型的泛化能力，在进行数据扩充时，需要保证扩充后的数据仍然具有一定的真实性和合理性。
在模型选择上，选手可选取基于Anchor-Based的RetinaNet，通过引入Focal Loss来解决类别不平衡问题，提高小目标检测的性能。CenterNet通过直接预测目标中心点和宽高，避免Anchor的生成和匹配过程，可极大简化模型架构；或基于Anchor-Free的yolo系列DETR一种完全去除Anchor的目标检测模型，通过Transformer机制直接将目标检测转换为对象集合预测问题。FCN虽然被大范围的应用于语义分割任务，也可适用于本赛题目标检测任务，通过在特征图上进行滑动窗口来实现目标检测。此外，选手还可以自由选择其他模型。
在Pipeline搭建上，选手可采用mmcv框架对相应的训练机制做处理，在时间允许的条件下，可自行设计分类模型进行辅助；也可以将检测和分类结构融合到一个网络里，在特征提取之后进行双任务推理，最终将推理结果进行融合分析。此外，选手需注意最后提交的结果格式。
一直以来，易华录围绕“收、存、治、用、易”主航道，开拓大数据人才教育培训多元模式，深入探索技能大赛人才培养方向，为国赛、省赛及专业领域赛事领域做出积极贡献。基于赛事的宝贵经验，针对大赛图片赛道“城市治理之垃圾暴露检测算法赛”赛题设置，易华录希望选手能够将技术引入应用，切实解决一些基层治理难题，实现城市治理数字化转型。作为大赛的协办单位，易华录提供了城市道路和社区环境等生活场景图片、垃圾暴露标注图片等赛题数据，并对图片中常见的垃圾暴露现象进行了标注，垃圾类别包含纸屑垃圾、打包垃圾、蛇皮袋垃圾等10类。赛题要求选手构建合理模型，以达到城市垃圾自动识别水平。
“作为本次大赛赛事的协办单位，易华录在贡献技术力量的同时，深度参与到大赛的运营当中，通过设立专业运营团队，确保时间、人员、责任三落实；同时，作为社会可信的数据资产化提供商，易华录由衷地希望能以本次大赛为契机，与贵阳大数据交易所一同搭建数据市场供需方的桥梁，充分释放数据价值，真正为实际应用场景提供数据赋能。”魏健康表示，“我们大家都希望选手能够将技术引入应用，切实地解决基层治理的一些难题，实现城市治理的数字化转型。”
当下，信息技术的加快速度进行发展推动生产方式、生活方式和治理方式的深刻变革，城市建设和社会持续健康发展之间的相互影响日益增强，智能建造和新型智慧城市正推动城市规划建设领域转型升级，推动新型城市建设已成为时不我待的重要命题。大赛聚焦前沿信息技术在城市规划建设领域中的创新应用成果落地，期待各位参赛选手的精彩角逐，希望选手能够享受比赛，赛出水平、赛出风格、赛出成绩。
以3月20日打榜的最终结果为准，每天有2次打榜的机会，各位参赛选手在打榜时间之前提交作品，最终有20支队伍能进入决赛，如组委会在审核作品过程中察觉缺陷，比如作弊或者抄袭等，名次将往下顺延。
Q：训练集里有部分场景，标注规范不一致，参赛选手在识别的时候，有些carton堆叠在一起，有的是逐个标注的，每个carton一个独立的标注框。请问在我们识别的时候，是把堆叠的物体识别成一个，还是单独标注一个框？
建议按照大的标注框进行召回。但是要考虑数量的多少，在数量很多的情况下，可根据大标注框召回，如果数量很少，可以加判断的标准，需要实际地去操作。
图片难免会出现标注错误的现象，占比很少，可以视为噪声或者是干扰数据，也相当于某些特定的程度上增加了比赛难度，选手可以充分的发挥自身能力，找到比较合适的数据处理方法，或者选择一些合适的模型，进而达到比较精准的预测结果。
比赛共提供了7806张城市的各场景的图片，其中4000张作为训练集，对图片进行了框选的标注，并提供了XML格式的标注文件，剩余的3806多张是作为测试级供选手去打榜。
没有强制要求，可以提交空的字典，也可以去掉图片的ID。如果不足3806张，我们会对未提交的图片作漏识别处理。
目前打榜时间是早晨十点，晚上八点，每天两次，打榜时间目前暂时不会做调整，同时打榜的成立是以最新的一次成绩为最终的结果，目的是让选手去开动思维，不断锻炼自己的模型，希望各参赛选手能使用先进的方法及创新的手段获得一个更好、更高的评分。如果说按最高成绩作为最终结果，就会存在选手考虑到分够高后不会再去优化的情况。所以按照最后的一次成绩作为最终的成绩，让大家不断地去训练自己的模型，提交更优质的作品，作为最终的结果。
