隨著全球對海洋廢棄物問題的關注,運用AI提升治理效能已成國際趨勢。為加速數位轉型,國家海洋研究院建立AI-Ready海廢資料集,涵括33+1項海廢類別。國海院為此特別辦理「海廢影像辨識國際AI競賽」,將首度於今年7月公開這套高品質的海廢影像,作為海廢訓練模型的訓練集。本次競賽將廣邀全球人工智慧、電腦視覺與海洋科學等領域人才共同挑戰,透過開發高精準度物件偵測模型,將技術創新轉化為具體的環境影響力,攜手打造智慧、永續的海洋治理新未來。
活動時間皆以台灣時區為主(GMT+8)
歡迎報名線上說明會,了解競賽規則、評分測驗平台以及雲端資源、開發環境。
初賽及複賽
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。因此系統對每一個物件評估其 AP 分數,再將 33+1 類海廢物件 AP 進行平均計算,得到 mAP 評估數值,參賽者按照此標準進行排名。本系統計算 mAP 評估數值採用 COCO API [3]。
Reference
[1] Average Precision (AP): en.wikipedia.org/…#Average_precision
[2] Intersection over Union (IoU): en.wikipedia.org/wiki/Jaccard_index
[3] COCO API: github.com/cocodataset/cocoapi
模型輕量化獎
為鼓勵參賽團隊開發兼具實務應用、高效能及低資源消耗之模型,特設立「模型輕量化獎」。本獎項採 NetScore 作為綜合評估指標,凡成功晉級複賽並繳交符合規定之有效模型者,均自動取得本獎項評選資格。
評估標準:Ω = 20 log₁₀(a² / (√p √m))
•𝑎:模型精確度 此處以 mAP 取百分比帶入,如 mAP 0.85 則 𝑎=85
•𝑝:模型參數數量或大小 在此為 Size in MB)
•𝑚:運算複雜度 在此為 GFLOPs)
備註:本獎項與複賽前三名(核心獎項)之名額獨立計算,參賽團隊可同時獲取核心獎項與模型輕量化獎。
資料說明
1. 競賽資料來源為國家海洋研究院既有海廢影像資料集,累積逾 2 萬張影像,並附 YOLO 方框標註,涵蓋常見海岸廢棄物、塑膠垃圾、漁業相關廢棄物及其他人工廢棄物。
2. 影像資料集共包含 34 個原始類別(33+1 類)
3. 競賽評分以 33+1 類海廢目標為評分依據。
References:[1] MDImageNet:https://mdimagenet.namr.gov.tw/
上傳格式說明
提交格式為 submission.csv,請將預測出來的物件 bounding box 以一個物件一行的方式標示於上傳檔案,其上傳檔的格式請以 CSV 格式(逗號分隔)儲存於一檔案。
submission.csv 範例欄位請按我 前往 AIdea 上傳答案本次技術工作坊將採數位課程+實體交流活動形式,帶領參賽者深入了解海廢影像資料集特性、物件偵測技術與模型開發實務。透過專家分享與實作指導,協助團隊掌握競賽關鍵技巧,提升模型開發能力與競賽表現。
查看工作坊資訊 (即將公布)