隨著海洋廢棄物問題日益受到全球關注,如何運用人工智慧技術提升海洋環境監測、調查與治理效能,已成為國際間的重要發展趨勢。為加速海洋環境治理數位轉型,本次「海廢影像辨識國際AI競賽」將公開高品質海廢影像資料集,邀請來自全球學術界、研究機構、產業界及技術社群的優秀人才共同投入挑戰,透過開發高精準度的物件偵測模型,提升海洋廢棄物自動辨識能力,推動海洋環境監測技術創新,並促進人工智慧於環境治理領域的實際應用。
本競賽不僅是一場技術實力的競技舞台,更是串聯全球創新能量的重要交流平台。無論您具備人工智慧、資料分析、電腦視覺、海洋科學等相關專業背景,或對環境永續與科技創新充滿熱情,都歡迎加入這場結合 AI 技術與海洋治理的國際挑戰。參賽團隊除有機會獲得競賽獎金與國際曝光機會,更能運用真實海廢影像資料,將技術創新轉化為具體環境影響力。期待透過全球優秀團隊的共同參與,以 AI 技術回應海洋永續挑戰,攜手打造更智慧、更永續的海洋環境治理新未來。
活動時間皆以台灣時區為主(GMT+8)
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 19+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),選手需整併為 20 個正式辨識類別(19+1 類)。
3. 競賽評分以 19+1 類主要海廢目標為評分依據。
4. 詳細分類對應規則為:
5. 類別整併規則:
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。
(即將公布)