2-2.jpg

자율주행 다중 객체 추적 인공지능 모델 ​개발 챌린지

참가 접수 기간 : 2021년 12월 1일 ~ 12월 19일 

​결과 발표 : 2021년 12월 24일

대회 개요

02 한국판뉴딜_기본 로고_세로형.png
과학기술정보통신부_국_상하.png
한국지능정보사회진흥원_국_상하.png

‘자율주행 다중 객체 추적 인공지능 모델 개발 챌린지’는 과학기술정보통신부가 주관하고 한국지능정보사회진흥원이 지원하는 ‘2021년 인공지능 학습용 데이터 구축사업’을 통해 구축된 데이터를 활용하여 객체 탐지 및 추적 AI 모델 개발을 위한 챌린지입니다.

​참가 대상

국내 자율주행 및 인공지능 관련 연구 중인 대학생/대학원생/개발자

(개인 또는 팀 참가 가능)

​참가 절차 안내

1. 참가 신청 및 승인

2021년 12월 1일 ~ 2021년 12월 16일 

​(데이터 다운로드 링크 메일로 수령)

2. 데이터셋 다운로드

A. 학습용 데이터 (참가신청 후  다운로드 링크 부여)

B. 검증용 데이터 및 코드

     (정답 공개, 2021년 12월 10일 업로드)

C. 결과 제출용 테스트 데이터 

     (정답 미공개, 2021년 12월 17일 업로드)

3. 테스트 데이터에 대한 결과 (json 파일) 제출

2021년 12월 20일 13시 59분까지

4. 결과 발표 및 시상

2021년 12월 24일

​상금

1위

500만원

2위

300만원

3위

200만원

​* 제세공과금 본인 부담

대회 내용

​▪︎ 데이터​

자율주행 인식을 위한 카메라 영상 및 차/사람/이륜차 객체의 2D 바운딩 박스 및 추적 ID

* 제공데이터는 개인정보보호를 위해 비식별화 조치(보행자 얼굴, 차량번호판 블러처리)하여 제공

data.png

​▪︎ 성능평가 항목​

Multiple Object Tracking Accuracy (MOTA)

Milan, A., Leal-Taixé, L., Reid, I., Roth, S. & Schindler, K. MOT16: A Benchmark for Multi-Object Tracking. arXiv, 2016.

​▪︎ 제출 파일 형식

json 파일 형식 (학습용 데이터의 포맷과 동일)

​대회 결과

1위

또또 (김수지, 이지원, 박다을)

고려대학교, 광주과학기술원, 아주대학교

Technical Report

2위

KAIST-VDCLab (김영석)

한국과학기술원

Technical Report

3위

IDS (나현수)

서울대학교

Technical Report

안내사항

1. 모든 팀원은 참가시 개인정보수집 동의, 보안서약, 기타 경진대회 안내사항에 동의해야 합니다.

2. 제출물을 위해 학습되는 모델은 제공되는 데이터 이외의 다른 데이터(ImageNet, MSCOCO, NuScenes, KITTI 등)를 pre-training에 활용할 수 있습니다.

3. 제출물 생성을 위한 알고리즘이 end-to-end 학습방식의 단일 모델일 필요는 없으며, 탐지/추적 task를 분리하거나 휴리스틱의 적용도 가능합니다. (최소 1개 이상의 학습 모델 적용은 필수)

4. 각 참가자(팀)은 테스트 데이터에 대해 2회까지 결과 제출이 가능하며, 해당 수를 초과한 제출은 무효가 됩니다. 제출 한도를 회피할 목적으로 중복으로 여러 팀의 참가 신청을 하는 것이 적발되면 관련한 모든 제출이 삭제되고 챌린지에서 실격됩니다. 2회 제출시, 높은 점수의 제출물이 순위 결정에 활용됩니다.

5. 응모자는 응모작이 제3자의 저작권, 초상권 등을 침해하지 않도록 주의 의무를 다하여야 합니다.

6. 챌린지 제출 결과 중 적격성 판단 이후 상위 3개 참가자(팀)에 상이 수여되며, 수상자(팀)은 제출작에 대한 github 링크 또는 테크니컬 리포트를 제출하고 상금을 수령할 수 있습니다 (미제출시 순위 산정에서 제외되고, 후순위가 수상할 수 있음). 챌린지 결과 (순위)는 링크와 함께 페이지에 공개됩니다.

7. 공모전에 출품된 작품에 대한 저작권 등 일체의 권리는 응모자에게 있으며, 수상 후에도 입상자에게 귀속됨을 원칙으로 합니다.

8. 챌린지에 사용될 데이터셋은 현재 구축 사업의 중간 결과물이며, 소량의 오류가 발견될 수 있습니다. 오류의 경우 자유롭게 후처리 또는 예외처리하여 학습에 활용 가능하며, 개선점을 리포트 해주시면 최종 데이터셋의 완성도를 높이는데 반영하도록 하겠습니다.