960路高清视频解码,480路智能解析
576路高清视频解码,288路智能解析
BM1684X,416路高清视频智能解析
X86主控,288路1080p高清视频智能解析
BM1684X,32路高清视频智能解析
BM1684,16路高清视频智能解析
BM1684,192路高清视频智能解析
BM1684,8路高清视频智能解析
CV186AH,8路高清视频智能解析
BM1688,16路高清视频智能解析
72路全高清硬解码与智能分析
96路全高清硬解码,48路智能分析
32路高清硬解码,16路智能分析
32路高清硬解码与智能分析
32路高清硬解码与智能分析
32路高清硬解码,16路智能分析
32路高清硬解码,16路智能分析
深度学习开发者产品组合
视频实时压缩转码上云和监测异常事件,增强道路运行安全事件的发现和处置能力
为交通拥堵、行车安全、车辆违法和道路污染治理问题赋能
以国产化算力支撑海量视频的结构化解析,服务警务应用实战
以数据为中心打造“智能、协同、高效、创新”的步态识别大数据分析系统
为用户快速构建融合人、车、通行等多维数据的业务能力
算能运用自研算力硬件设备SG6/SE5/SE6,搭载SOPHON.TEAM视频分析算法,助力工业安全生产智能化
为粮仓、棉仓等大型仓储园区的办公、质检、磅房、库区等区域提供了违规行为和异常事件的安全监控方案
算能联合SOPHON.TEAM生态伙伴打造烟草行业安全生产深度学习管控解决方案
算能联合SOPHON.TEAM生态伙伴,以自研国产化深度学习算力产品为硬件底座,构建安全生产管理体系,提高白酒企业安全生产管理水平
算能联合SOPHON.TEAM生态伙伴构建智算中心解决方案,建设统一管理和调度的云边协同的智算中心
算能联合SOPHON.TEAM生态共同构建了一套以自研国产化深度学习算力产品为硬件底座,以AutoML零代码自动化深度学习训练平台为基础,实现快速、高效的深度学习工程化落地
名称 | 说明 |
---|---|
测试集A | 从网络中搜集的2k/8k高清高分辨率图像获得4缩小因子的低分辨率图像,在A榜阶段对选手开放。选手在限定时间内使用该数据集进行测试,生成A榜分数与排名。 |
测试集B | 从网络中搜集的2k/8k高清高分辨率图像获得4缩小因子的低分辨率图像。在进行A榜成绩核算阶段,发布测试集B。选手在限定时间内使用该数据集进行测试,生成B榜分数与排名。 |
参赛者将结果以单个json文件提交到大数据竞赛平台,平台进行在线评分,实时排名,以截止日排名决出入围决赛的队伍;
参赛者需要提交在TPU平台上对训练集进行推理后的结果文件,文件名为“test.json”。推理结果需包括模型大小、平均生成每张图的推理时间(以s为单位)、平均每张图的NIQE值、每张图片的名字、生成每张图的推理时间、每张图对应的NIQE值。详情:
[test.json文件]
初赛B榜TOP5队伍进入复现阶段,需要按照要求提交复现资料,复现结束后公布入围决赛团队名单。
参赛者需要提交能在BM1684x平台上运行的bmodel模型及相应测试代码。详情:
1. 测试代码应保存为test.py格式
2. 原模型权重和bmodel模型(bmodel模型应保存为out.bmodel格式)
3. 测试代码和模型应置于同一文件夹下,将文件夹压缩成.zip文件后提交
1. 平均每张图的自然图像质量评估器(NIQE)指标评估模型精度;
2. 通过模型推理时间i_time评估模型性能,i_time应为数据集图片推理的平均时间,单位为s;
3. 最终得分公式为:score= sqrt(7-niqe_score)/i_time * 200