我校学子在第二十三届中国机器人与人工智能大赛全国总决赛喜获佳绩
2021年12月11日，第二十三届中国机器人与人工智能大赛全国总决赛在重庆两江协同创新区采取线上线下两种方式举行。我校以机械与控制工程学院师生为主的代表队参加了该项赛事，经过激烈的角逐，谢植送、罗星、崔启、甘礼福、叶颖雅5名同学荣获全国总决赛无人驾驶竞速赛一等奖。我校学子还获得了全国总决赛二等奖2项，全国总决赛三等奖2项的佳绩。
中国机器人及人工智能大赛是国内首个在机器人及人工智能领域提出，并将关键技术研发、应用相结合的比赛。大赛于2020年被列入中国高等教育学会发布的《2020年全国普通高等学校学科竞赛排行榜》，属于A类赛事。大赛致力于推动广大学生参与机器人与人工智能领域的科技创新实践，现已成为国内规模最大、影响力最强、专业水平最高的机器人赛事之一。大赛由中国人工智能学会主办，今年的大赛采取线上线下混合的方式，聚集了来自清华大学、哈尔滨工业大学、上海交通大学、澳门大学、苏州大学、西安电子科技大学等400多所高校的千余支参赛队伍近万人同台竞技。经过各省市地区赛的激烈角逐，最终有1000多支优秀队伍晋级全国总决赛。我校参加的5支队伍全部晋级全国总决赛。
学校历来高度重视学生创新能力的培养，坚持“以赛促教、赛教结合”，促进学生综合素质的全面提升，本次大赛喜获佳绩是对我校学生培养质量提升的又一次生动体现，也是我校机械与控制工程学院机器人工程专业建设的一次成功探索，为机器人工程专业建设积累了宝贵经验。
关于举办第四届全球校园人工智能算法精英大赛的通知 – 江苏省人工智能学会
关于举办第四届全球校园人工智能算法精英大赛的通知由苏智会发布于2022-07-12
苏智会〔2022〕23号
各高校、科研院所、广大在校学生：为推动“人工智能+X”知识体系下的人才培养，激发高校学生人工智能创新意识，发掘一批人工智能算法创新型人才，提升人工智能应用实践水平，江苏省人工智能学会联合华为公司继续举办“第四届全球校园人工智能算法精英大赛”（以下简称“大赛”）。现将有关大赛活动事项通知如下：一、大赛背景大赛是由江苏省人工智能学会和华为公司联合主办，自2019年起已经连续举办3届，受到了全球校园人工智能算法爱好者及业界的广泛关注。参赛团队数量逐年递增，2021年第3届大赛共吸引来自全球45个国家和地区、532所高校、3655支算法精英团队报名参赛。随着连续3届赛事成功举办，大赛已成为全球人工智能算法领域重要赛事之一。二、大赛主题广聚全球校园精英挑战AI算法极限三、赛事主办江苏省人工智能学会、华为终端云服务、华为南京研究所四、大赛评委（一）大赛顾问周志华，南京大学计算机系主任、人工智能学院院长，欧洲科学院院士；PascalVanHentenryck，佐治亚理工学院教授，AAAI2019大会程序委员会主席；GiuseppeDeGiacomo，意大利罗马萨皮恩扎大学教授，2020欧洲人工智能大会程序委员会主席。（二）大赛评委（按姓氏拼音排序）白翔华中科技大学车万翔哈尔滨工业大学程明明南开大学黄萱菁复旦大学林宙辰北京大学刘淇中国科学技术大学刘知远清华大学卢策吾上海交通大学孟德宇西安交通大学俞扬南京大学吴飞浙江大学吴建鑫南京大学张敏灵东南大学张兆翔中国科学院朱军清华大学五、参赛要求（一）全球所有高校和科研院所在校学生（含专科、本科、硕博研究生等）均可报名参赛；（二）选手可单人创建队伍参赛，也可与本校或其他高校同学组队参赛。每支参赛队伍人数不超过3人，每位参赛选手只能加入一支队伍；（三）每支队伍设置一名队长，队长负责团队管理（审核入队申请、删减队员）及提交比赛结果；（四）每支队伍最多可设置1名算法指导老师和1名业务指导老师；（五）其他详细要求见大赛官网www.digix.org.cn。六、赛程安排（一）报名和选拔赛（6月24日-9月24日）参赛者需在2022年8月24日之前登录大赛官网进行报名。完成报名后，请选择一个赛题提交算法结果，进行在线比赛，选手可以通过排行榜实时查看排名。（二）选拔赛评审（9月25日-9月30日）大赛评审团根据排行榜上自动化评分结果及专家审核结果评选出三大赛题入围精英赛的21支队伍。注：各赛题入围精英赛的参赛队伍，均需提供Docker文件供赛事组委会审核，确保可以复现选拔赛结果。（三）入围队伍公示（10月1日-10月10日）入围精英赛队伍将于10月1日-10日在大赛官网进行公示。（四）精英赛（10月中旬）所有入围队伍需进行线上竞赛，并完成线下答辩，确定最终排名。评审团将综合评定每个赛题最终获奖团队。注：选拔赛及精英赛评选规则详见官网。大赛共有三个赛题，选手可任选其一参加选拔赛，但每支队伍最终只能选择一个赛题的成绩进入精英赛。七、大赛赛题赛题一：知识驱动对话赛题二：车道渲染数据质检赛题三：广告CTR预估注：赛题详细介绍参见“官网参赛指南”。八、奖项设置（一）全球赛区奖项全球大赛总奖金池21万美元。每道赛题奖金7万美金，分别设置如下：全球冠军1名：3.5万美金全球亚军1名：1.5万美金全球季军1名：1万美金全球星光卓越奖4名：2500美金（以上奖金为税前，由获奖团队自行分配）（二）江苏赛区奖项本大赛已被认定为2022年度江苏省学科竞赛省级赛事，是高校制定对获奖学生和指导教师成果认定以及教学评奖评优和制定激励政策的基本依据。（《关于公布2022年全省普通高校本专科生学科竞赛省级赛事认定（培育）结果的通知》（苏高教会〔2022〕17号））。1．江苏赛区学生奖励设置为鼓励更多江苏高校学子参赛，江苏省人工智能学会特别设置江苏赛区奖项，对于取得江苏赛区每赛题成绩前3名团队进行奖励，奖金分别设置如下：江苏赛区冠军1名：0.5万（人民币，下同）江苏赛区亚军1名：0.3万江苏赛区季军1名：0.2万除以上奖项设置外，将根据江苏参选手数量和成绩，按参赛团队数量比例设置一、二、三等奖若干名并颁发获奖证书。注：全球获奖奖金和江苏赛区获奖奖金不重复。2．江苏赛区指导老师奖项为鼓励江苏高校老师积极指导学生团队参赛，不断提高作品成绩，特增设江苏赛区获奖团队指导老师奖：冠军队指导老师奖：0.5万（人民币，下同）亚军队指导老师奖：0.3万季军队指导老师奖：0.2万注：指导老师需由获奖团队认可。若一个团队指导老师多于1位，奖金由指导老师自行分配。以上奖金为税前金额。3．江苏赛区组织奖对积极发动学生报名参赛的江苏高校，根据学生报名团队数量、提交作品数量和获奖情况，颁发优秀组织奖，并邀请获奖院校代表出席总决赛颁奖仪式。
大赛官方QQ群：451923190
欢迎国内外各高校学子踊跃报名参赛！
通知：关于举办第四届全球校园人工智能算法精英大赛的通知（〔2022〕23号）附件１：江苏省普通高校本专科生学科竞赛等级认定实施办法（2022）附件２：2022年全省普通高校本专科生学科竞赛省级赛事认定名单
全国人工智能大赛 AI+4K HDR赛项 冠军团队方案分享
冠军团队由三名博士生组成，目前此方案在投论文中，之后方案代码会开源。
团队名称：没学可上
团队成员：
曾辉博士研究生（第4年）
杨熹博士研究生（第1年）
梁杰博士研究生（第1年）
赛题任务
视频四倍超分+HDR，要求将低质量540pSDR视频重建为高质量、已调色的4KHDR视频。
评测方法：最终得分=25*PSNR项+25*SSIM项+50*VMAF项
关于赛题的详细信息可以查看和鲸科技赛事页面：
www.kesci.com/home/compet…
赛题分析
此次4KHDR比赛包含众多子任务，初步按照高频和低频两个方向划分为：
高频方面，需要去噪和超分
低频方面，需要做亮度矫正、色彩增强和SDR转HDR(即inversetonemapping)
给定时间和硬件环境下同时解决上述多个任务，需要重点考虑两个方面的矛盾
矛盾一：高频和低频
亮度矫正和色彩增强等低频任务需要足够多的图像内容才能进行准确判断，因此训练和测试都依赖于较大的patchsize和感受野。在显存有限的情况下，大patch限制了模型的复杂度。
而去噪和超分等高频任务pattern更不固定，更难学，需要较深的模型和比较长的训练时间才能保证性能。
矛盾二：去噪和超分
去噪和超分关注图像高频细节，其中去噪不可避免地会损失高频信息，而超分又需要恢复高频，两个任务本身存在矛盾之处。
基于以上对赛题的分析，需要综合考虑亮度、色彩、去噪、超分等几个方面，在相互矛盾的子任务之间找到最合适的平衡点，设计最优的解决方案。同时由于本次任务所给数据退化较严重，需要仔细分析退化模式并相应地设计出有效的数据处理方案。
整体方案
数据预处理这一部分的目的是修正数据分布，简化学习任务。处理步骤基于对数据集的观察及实验，人工得出的经验。
具体操作：
计算YUV空间亮度均值。这一步可以筛出严重过曝的视频（直接排除），以及视频的黑边（直接输出结果0(SDR)->4099(HDR)
计算HSV空间直方图距离。这一步可以检测出场景的转换，提高多帧融合稳定性。
中值滤波去除椒盐噪声点，如果滤波后与滤波前像素值大于某个阈值，则用非椒盐噪声点替换原始值，反之不处理。
Non-localmean滤波去除部分高斯噪声
模型学习
特征提取1.采用大patch（384x768）输入，确保低频任务获得足够大的感受野；
2.采用一层instancenormalization对亮度做归一化；
3.提前下采样，降低显存消耗，节省计算资源。
特征对齐与融合1.采用EDVR中的PCD模块多帧对齐；
2.HardTanh约束offset越界,(-32,+32)；
3.TV约束offset平滑,利用图像空域的连续性先验。
低频任务学习方案一
1.UNet结构进一步增大模型感受野，促进低频内容学习;
2.采用pixelshuffle的方式上采样，减少上采样产生的halo。
方案二
学习多个3DLUTs进行色彩增强
此模型优点为：仅0.6M参数；SOTA性能；4K分辨率上200+FPS；有明确物理意义。
高频细节恢复1.采用RCAN中的deepresidualchannelattention模块重构细节；
2.不同尺度采用不同的channel维度，兼顾性能与效率。
训练&预测将前面几个模块串联起来之后，计算多尺度损失，这样可以提高训练效率。模型训练好之后，输出中间的预测结果。
结果后处理
这一部分会对前一步的预测结果进行进一步处理，改善遗留问题，并且提升分数视觉效果。
具体操作：
亮度修正，帧间平滑
细节增强
黑边补偿
模型融合
理论分析及实验发现，本任务中存在一些相互矛盾的子任务，需要合理设计两者之间的trade-off以达到最佳的结果。比如，单个模型对不同场景亮度的恢复有时候偏亮有时候偏暗，模型的去噪能力与超分后的细节保留能力之间存在着明显的冲突等等。基于以上分析，我们设计了一个双模型融合的框架，其中，第一个模型Model_1采用未经处理的原始数据训练，采用512x512的大patch输入，重点恢复图像低频内容，第二个模型Model_2使用预处理过的数据，训练采用384x384的patch训练恢复尽可能多的细节。实验发现，两个模型的预测结果在去噪、细节保留、亮度估计、色彩估计等方面均有一定的互补性，融合之后能够取得最佳效果。
参数量和复杂度分析
1.数据处理：经验为主，参数为个位数
2.模型参数总量：26.67M
3.数据处理时间：2小时
4.模型训练时间：86小时(8卡V100)
5.测试时间：2.0张/秒（w/oensemble），0.5张/秒(wensemble)
技术总结
方案总结：
精细的数据预处理，简化学习任务，提升学习效率先低频、后高频、多尺度、多任务的高效学习框架后处理进一步提升稳定性和视觉效果创新点：
细致的数据预处理和后处理提升训练的效率和测试效果。采用大patch输入和引入UNET结构增大感受野。改进EDVR框架提升模型稳定性和表达能力。多尺度loss约束不同频段内容，提升训练效率和效果。双模型融合，平衡不同模型设计下去噪与超分细节之间的矛盾，同时使预测结果的亮度估计更加稳定。优点
灵活：任务可分解，过程更可控，结果更稳定高效：模型参数少，训练时间短，收敛速度快稳定：结果瑕疵少，泛化能力强不足
1. 高频模块计算代价大，无法满足实时需求
```php往期精彩回顾适合初学者入门人工智能的路线及资料下载机器学习在线手册深度学习在线手册AI基础下载（pdf更新到25集）本站qq群1003271085，加入本站微信群请回复“加群”获取一折本站知识星球优惠券，请回复“知识星球”喜欢文章，点个在看
复制代码全国人工智能应用技术技能大赛决赛黄山赛区开赛
1月3日，第二届全国人工智能应用技术技能大赛决赛黄山赛区实操比赛开赛，来自全国各地的140余名参赛选手，开展飞行器人工智能技术应用技能的巅峰对决，争夺“全国技术能手”荣誉。
本届大赛决赛共设置计算机及外部设备装配调试员（智能传感器技术应用）、计算机程序设计员（工业机器人人工智能技术应用）、人工智能训练师（服务机器人人工智能技术应用）、无人机装调检修工（飞行器人工智能技术应用）四个赛项。其中，无人机装调检修工（飞行器人工智能技术应用）赛项职工组和学生组比赛在黄山赛区举办。
本届赛事以“智能引领未来、技能成就梦想”为主题，聚焦先进制造业，赋能智能传感器、工业机器人、服务机器人、飞行器等核心工业装备，遴选典型工业场景，展现人工智能技术应用的多种模式，引领先进制造企业的创新发展。大赛由人力资源和社会保障部、中国机械工业联合会主办，决赛实操比赛分苏州、广州、肇庆、黄山四个赛区，共有700多名选手参加决赛，将产生24名“全国技术能手”。（安徽日报记者吴江海）