在计算机视觉应用尤其是自动驾驶和视觉导航中，遮挡目标检测和群目标检测是亟待解决的两个难题。因此，我们提出了遮挡目标检测和群目标检测的挑战，以促进计算机视觉技术的发展。研究领域：研究方向为三维图像认知与仿真，将认知心理学稳定的高层语义先验引入机器学习，研究复杂环境仿真与目标图像检测、认知等科学问题。作为负责人承担了国家自然科学基金项目，专项重点基金项目，国家重点研发计划子课题，国际国内企业合作项目20余项。近年作为通讯作者发表机器视觉与模式识别领域高水平SCI期刊（TPAMI、PR等）和顶级国际会议（CVPR等）论文二十余篇，在国际计算机视觉算法评测数据集（KITTI）目标检测国际评测中获得第一，2016年获得吴文俊人工智能科学技术创新奖一等奖，2017年获得教育部技术发明奖二等奖，并实现了从基础理论、核心技术到产业的全链条的突破性进展。研究领域：研究方向包括人工智能系统的评估和基准。曾发布用于测试和评估深度学习算法的社区标准，并在相关的国际会议上发表多篇高水平论文。研究领域：研究方向包括机器学习和计算系统。曾在IEEE / ACM Transactions和国际顶级会议中发表多篇高水平论文。本竞赛分为遮挡目标检测和群目标检测两部分，参赛者需利用训练集中的图像和标注数据训练模型，用于检测测试图像中指定类别的目标。比赛评分将以参赛者提交结果中指定类别目标位置与实际位置的mAP为依据。群目标检测数据集中的数据是利用虚拟仿真技术生成的模拟无人机低空拍摄出的不同气象条件和不同光照条件下的城市交通群目标图像。遮挡目标检测数据集包含了人、车、船、飞机四个大类，每类数据包含少量多源仿真图像和大量同源仿真图像。其中多源仿真图像指来自于各种游戏、仿真数据集等场景的遮挡图像，同源仿真图像为使用本实验室仿真平台生成的遮挡图像。数据集标注包含了图像中对应类别的全部物体，被遮挡物体的遮挡面积比例、遮挡关系等信息。竞赛参与者需在报名通道提交报名表，完成报名；训练集发布后，可自行划分训练/验证集进行检测模型训练；测试集发布后，需在指定时间内按照指定格式文件提交目标检测结果，以取得有效成绩。zsh18@mails.tsinghua.edu.cn
竞赛网址
https://house.evaluateai.cn/
