「尋找病媒蚊孳生源」積水容器影像物件辨識

活動時間: 2019-02-20 ~ 2019-05-13

簡介

登革熱,是一種藉由病媒蚊叮咬而感染的急性傳染病,每年台灣入夏後,容易引爆登革熱感染潮,典型登革熱的症狀會有突發性的高燒(≧38℃),頭痛、後眼窩痛、肌肉痛、關節痛及出疹等現象;然而,若是先後感染不同型別之登革病毒,有更高機率導致較嚴重的臨床症狀,如果沒有及時就醫,死亡率高達20%以上。

要有效防範登革熱,清除病媒蚊產卵、幼蟲孳生的地方為根本之道。病媒蚊孳生源泛指所有『積水容器』,例如瓶、盆、桶、罐、杯、碗、輪胎、塑膠袋等。

每年登革熱的流行季節,衛生局需派員稽查各住家、社區及髒亂地點是否有積水容器,然而容器種類眾多容易被忽略,且以人工辨識往往耗費太多人力與時間成本。因此本議題提供各種積水容器之標註資料,希望能透過影像物件偵測技術,能讓稽查人員藉由影像或是視訊提醒其積水容器之物件位置,除了提高稽查效率外,更期望進一步運用於其他載具中。

競賽獎項

  • 第一名 hicloud 10 萬點優惠點數
  • 第二名 hicloud 5 萬點優惠點數
  • 第三名 hicloud 5 萬點優惠點數

本獎項由中華電信提供

備註1:hicloud 優惠點數可折抵服務費用,折抵完後自動開始依牌價7折計費

備註2:中華電信保有資格審核、優惠內容修改與中止權利

備註3:出題單位員工與平台計畫成員不列入敘獎對象

活動時間

活動時間以台灣時間(UTC+8小時)為主,其行程如下:

時間事件
2019/01/28議題上架公告
2019/02/20開放報名
2019/02/20公布訓練集與Public測試集資料,開放測試Public集資料上傳算分(Public leader board)。
2019/05/13 23:59:59報名截止
2019/05/14公布全部測試集資料,其中包含Private測試集資料並上傳算分(Private leader board於議題結束後公佈)
2019/05/17 23:59:59議題競賽解題結束 (最後上傳的結果為基準)

評估標準

本議題資料評估指標採用 mean Average Precision (mAP)[1] 於 intersection over union (IoU)[2] threshold 為 0.5。根據預測物件框與標註物件框IoU大於 0.5 時為 True Positive(TP),反之為 False Positive(FP),藉此得到 Precision。因此系統針對每一個物件評估其 AP 分數,再將 13 類積水容器物件 AP 進行平均計算,得到 mAP 評估數值,參賽者按照此指標進行排名。本系統計算 mAP 評估數值採用 COCO API[3]。
Reference
[1] Average Precision (AP):https://en.wikipedia.org/wiki/Evaluation_measures_(information_retrieval)#Average_precision
[2] intersection over union (IoU):
https://en.wikipedia.org/wiki/Jaccard_index
[3] COCO API:
https://github.com/cocodataset/cocoapi

規則

  • 比賽評估結果以最後上傳的結果為基準,若評估標準分數一致時,以上傳時間優先為主。
  • 若比賽發生舞弊行為,則將被取消參賽資格,並由他人依排名遞補。
  • 可使用外部合法公開授權之資料集,然為維持活動之公平性,參與者若使用外部資料集, 須在討論區留下資料集說明及取得來源供所有人參考。
  • 測試資料的答案上傳後,將分為兩部份計算:
    • 比賽時間 2019/05/13 23:59:59 (UTC+8)之前,系統僅計算第一階段資料的 Public 測試資料的答案( Public 測試資料 test_pub_cdc.zip 於 2019/02/20 00:00:00 開放下載),並公佈於 public leader board;此資料佔全部測試資料的 23.7%。
    • 比賽時間 2019/05/14 00:00:00 (UTC+8)之後,將釋放全部測試資料,其中包含 Private 測試資料佔全部測試資料的 76.3% ,參賽者請預測全部測試資料,並上傳答案。議題結束後會公佈 private leader board,評估結果以最後上傳的成績做最後的排名依據

相關連結:


您可能也會喜歡…

發佈留言

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *

這個網站採用 Akismet 服務減少垃圾留言。進一步瞭解 Akismet 如何處理網站訪客的留言資料