爱奇艺视频标注技术挑战赛

 比赛目标




        在图像视频数量爆炸式增长的今天，如何快速准确地分析识别海量图像视频数据具有重要的研究意义和广阔的市场前景。近年来，随着深度学习理论的迅猛发展，我国计算机视觉研究出现了一批有代表性的高水平成果，并在国际上发挥着越来越重要的影响。如PASCAL VOC，LFW， ILSVRC，MSCOCO等图像识别竞赛，机器识别人脸、物体的性能在某些特定领域接近甚至超过了人类。但是对于视频分析标注与语义理解还处在初级阶段，视频感知面临着更大的机遇与挑战。
        视频标签类别是视频的一个重要的属性，利用该信息可以快速、准确地检索感兴趣的视频，同时也有利于对用户进行个性化推荐。传统的视频标注，需要大量的人工处理（打点标注），费时费力。对海量视频进行智能分析，实现自动化标注，可以节省大量人力物力成本，有效提高视频生产效率和标签质量。
        视频标注技术挑战赛旨在提高智能视频图像分析技术的研究水平，推动计算机视觉学科及相关产业的发展，促进智能视频图像分析技术在企业实际需求中的应用。本竞赛的任务是：通过计算机算法程序对输入视频进行自动标签识别，输出该视频的所属标签类别，如音乐、舞蹈、曲艺、篮球、赛车、游戏等预先定义的20个视频标签类别。衷心希望国内外学术界和工业界的研究人员踊跃参加，架起学术界与工业界之间的沟通桥梁，促进我国计算机视觉研究与应用的水平的发展。
        为了鼓励各参赛队竞争获得更高的精度，组委会将在5月15日~8月1日比赛期间每周根据各参赛队在/submit文件夹提交的最新结果，评价识别精度并发布动态排名，并最后验证可执行代码在测试集和附加小测试集上的有效性。
        考虑到视频分类的多标签性（多语义），比赛要求一个视频返回多个主要类别的标签。




 参赛对象与参赛方式



• 参赛对象：
1. 各培养单位正式注册教师、在读研究生以及博士生。
2. 国内各研究团体、企事业单位。


• 参赛方式：以个人或团队方式均可通过邮件方式报名参赛,每个参赛队伍人员不限。



 任务设置




        视频标注竞赛的任务是：通过计算机算法程序对输入视频进行自动标签识别，输出该视频的所属标签类别，包括：音乐、舞蹈、曲艺、篮球、赛车、游戏等预先定义的20个视频标签类别(为了提高性能，允许参赛队使用计算机视觉、OCR文字识别、音频识别等多特征及融合方法)。


详细文档：视频标注技术挑战赛方案v2.0(含报名表)
样例数据：爱奇艺视频标注技术挑战赛数据说明v3.0
代码验证接口：代码验证接口更新说明



 奖项设置




        比赛任务设一等奖1名（3万），二等奖1名（2万），三等奖2名（各1万）。参赛获胜队伍可获得由中国计算机视觉专委会和爱奇艺公司颁发的获奖证书和奖金。




 报名方式




        参赛个人或团队请发送报名表至: videotag@qiyi.com




 注册队伍（已截止）




序号	队伍名称	单位
1	monKING_tju	天津大学
2	BIT841	北京理工大学
3	BUPTMM	北京邮电大学
4	DeepBrain-cripac	中国科学院自动化研究所
5	Newlearner	山东大学
6	Frog	中国科学院自动化研究所
7	DCDCV&ISEE418	浙江大学
8	Cigit Multimedia	中国科学院重庆研究院
9	ZJULearning	浙江大学
10	Stack	中国科学院自动化研究所
11	SEEE-SUES	上海工程技术大学
12	DIGCASIA	中国科学院自动化研究所
13	CASIA-ISEE	中国科学院自动化研究所
14	Continuous Learning Group	中国科学院自动化研究所
15	BUPT	北京邮电大学
16	Multimedia Institute	天津大学
17	ICT_VIDEO	中国科学院计算技术研究所
18	TMP--Three Musketeer Programmers	北京工业大学
19	FTD	北京工业大学
20	drips in cloud	中国科学院自动化研究所，清华大学（深圳）
21	AI-cripac	中国科学院自动化研究所
22	teye	上海交通大学
23	adrave	复旦大学
24	PARIA-YSU	燕山大学
25	soushen	公安部第三研究所
26	gfkd-AI	国防科大
27	PKU_MI	北京大学




 RACV2016爱奇艺视频标注技术挑战赛 最终成绩




名次	队名	报告PPT下载	单位	提交结果	Accuracy	Speed(分钟/视频)
1	DIGCASIA	PPT_1	中国科学院自动化研究所	result_racv_test	79.11%	2.90
2	PKU_MI	PPT_2	北京大学	PKU_MI_0731_8	78.70%	6.01
3	BUPTMM	PPT_3	北京邮电大学	BUPTMM_0731_9	77.91%	6.91
4	DeepBrain	PPT_4	中国科学院自动化研究所	DeepBrain-cripac_0801_02	74.80%	0.98
5	ZJULearning		浙江大学	ZJULearning_0530_1	61.53%	1.12





主办：中国计算机学会计算机视觉专委会

协办：图像视频大数据产业技术创新战略联盟

承办：公安部第三研究所，浙江捷尚视觉科技股份有限公司，北京爱奇艺科技有限公司