<label id="gsnnz"></label>

    <mark id="gsnnz"><button id="gsnnz"></button></mark>

    <code id="gsnnz"><delect id="gsnnz"></delect></code>
    1. 权威国防科技信息门户
      国防科技大数据智能情报平台
      DSTIS征订中
      DPS国防术语智能定位系统
      国外国防科技文献资料快报
      公告:
      DSTIS国防军工信息资源内网服务系统2019年征订开始  
      UG2+ 挑战赛助力IARPA提升图像处理及分析能力
      2019-03-26

      根据IARPA网站3月份最新消息,UG2 +大奖挑战赛将于4月1?#25112;?#27490;注册。该挑战赛致力于为研究人员提供一个回顾「应对现实条件下各种视觉不利场景的最新进展」的综合性平台,将吸引更广泛的研究团队促进图像的恢复和增强低质量图像,以用于计算机视觉应用,例如将其应用于从无人机上传感器件所捕获的图像。

      一、挑战赛举办背景

      从诸如小型无人机这样的平台进行视觉监控的优势是十分明显的:类?#31080;?#25658;式系统可?#28304;?#21518;方的安全位置发射,穿越行动较为困难或存在危险的地?#21361;?#25429;获长达数小时的视频并且可以确保不会危及作战人员的生命。

      目前尚不清楚的是,要如何将对这些图像的分析、解释自动化:面对个别无人监视器提供的总量达数百万帧的,图像时自动化解析更加成为必要条件,因为人工分析师已无法手动筛选这样大规模的数据以获取可操作的情报信息。在理想情况下,计算机视觉系统能够识别分析人员?#34892;?#36259;的对象、事件和人类身份,从大量无趣或不相关的图像中呈现出有价值的数据。为了构建这样一个系统,人?#24378;?#20197;利用最近在视觉识别的机器学习方面取得的?#40644;疲?#36825;一?#40644;?#26159;利用从互联网上获取的数百万张图像进行训练而实现的。然而,这种方法不能作为现成的组件来组装我们想要的系统,因为它们没有考虑到传感器和光学平台在小型无人机上特有的运作。

      二、挑战赛基本情况

      IARPA一直都专注于开展高风险、高回报的研究。UG2 +大奖挑战赛由美国国家情报总监办公室(ODNI)下属的情报高级研究机构(IARPA)赞助。首届UG2 挑战赛于2018 年举办,本次举办的UG2+ 挑战赛是UG2 挑战赛的增强版 。挑战赛致力于为研究人员提供一个回顾「应对现实条件下各种视觉不利场景的最新进展」的综合性平台。该挑战赛旨在回答与计算摄影?#32479;?#26223;理解相关的一般应用的重要问题,旨在通过使用包括来自无人、滑翔机和地面收集的图像的UG2数据集来改进恢复、增强图像算法的性能,从而推进对小型无人机(UAV)所收集图像的分析。UG2 +大奖挑战将吸引更广泛的研究团队促进图像的恢复和增强低质量无?#38469;?#22270;像,以用于计算机视觉应用,例如将其应用于从无人机上传感器件所捕获的图像。

      三、比赛内容

      挑战赛由“无?#38469;?#31227;动场景中的视?#30340;?#26631;分类?#22270;?#27979;”、“可见性差场景中的目标检测”两个挑战赛道组成,“无?#38469;?#31227;动场景中的视?#30340;?#26631;分类?#22270;?#27979;”赛道由国家情报局(ODNI)、高级智慧研究计划(IARPA)赞助支持;“可见性差场景中的目标检测”赛道由快?#24103;?#32654;图影像实验室、NEC 美国实验室和沃尔玛赞助支?#24103;?#26412;次挑战赛的主办方为两个赛道的获胜者分别设置了50000 美金及10000 美金的奖金。在每个挑战类别中,得分第一和第二的算法将被授予奖金。此外,最成功和最具创新性的团队将被邀请参加CVPR 2019(2019年电气和电子工程师学会计算机视觉和模式识别)研讨会。

      本次UG2+大奖挑战赛官网上针对参赛者的参与主题做出了限定,分别包括以下5类主题

      1.面向户外移动场景的目标检测、分割或识别的新算法,这些户外移动场景包括无人机、滑翔机、自动驾?#40644;?#36710;以及户外机器人等;

      2.面向现实世界中视觉不利场景的目标检测或识别,这些视觉不利场景包括雾、雨、雪、冰雹、沙尘、水下、低分辨?#23454;齲?/span>

      3.解释、量化和优化低水平计算摄像学(图像重建、复原以及强化)任务和各种高水平计算机视觉任务二者间的相互关系的潜在模型和理论;

      4.针对复杂的视觉不利场景中图像的降级和回复过程,开发的基于物理或可解释的新模型;

      5.面向图像复原和强化算法的新评估和度量方法,尤其要侧重于无参考的度量方法,由于对于大多数视觉不利场景下真实的户外图像来说,很难获得纯净的「基本事实」来做比较。

      四、参赛须知

      时间节点:所有?#34892;?#36259;的人员和团队的将通过在ug2challenge.org上注册以加入挑战。您可以在该站点?#19994;?#25361;战详细信息和规则。注册将于2019年4月1?#25112;?#27490;,算法提交截止日期为2019年5月1日。

      参加人群及资格:UG2 +大奖挑战赛?#35270;?#20110;有资格参加挑战赛的参赛者。我们鼓励计算摄影和图像处理算法的开发者从学术界和工业界参与国内外的研究。其他美国政府机构、联邦资助的研究和开发中心、大学附属研究中心,或与政府有特殊关系的任何其他类似的组织,如果获得了访问特权或专有信息,或获得了政府设备或不动产,将不具备参赛资格。请在官网阅读完整的比赛规则及挑战资格信息。

      中国电科发展战略研究中心  秦浩

      相关新闻

      DSTIS 国防科技工业信息服务系统
      中国核科技信息与经济研究院 中国航天系统科学与工程研究院 中国航空工业发展研究中心
      中国船舶工业综合?#38469;?#32463;济研究院 中国船舶信息中心 北方科技信息研究所 工业和信息化部电子科学?#38469;?#24773;报研究所
      DSTI简介 | 大事记 | 网站动态 | 产?#26041;?#32461; | 广告服务 | 客户服务 | 联系方式 | 共建单位 | 合作?#25945;?/a>  
      国防科技信息网
      dsti.net © 2006 - 2019 版权所有 京ICP备10013389号
      时时彩长龙规律
      <label id="gsnnz"></label>

        <mark id="gsnnz"><button id="gsnnz"></button></mark>

        <code id="gsnnz"><delect id="gsnnz"></delect></code>
        1. <label id="gsnnz"></label>

            <mark id="gsnnz"><button id="gsnnz"></button></mark>

            <code id="gsnnz"><delect id="gsnnz"></delect></code>