https://competition.huaweicloud.com/information/1000041242/introduction?track=107“华为云杯”2020人工智能应用创新大赛由华为（苏州）人工智能创新中心、苏州工业园区科技发展有限公司主办，面向全国的人工智能交流赛事。举办方：苏州工业园区管理委员会、华为（苏州）人工智能创新中心、苏州工业园区科技发展有限公司一、大赛介绍“华为云杯”2020人工智能应用创新大赛（以下简称“大赛”）是由华为（苏州）人工智能创新中心、苏州工业园区科技发展有限公司主办，以“云聚姑苏，智享未来”为主题，面向全国的人工智能交流赛事。大赛旨在培养AI人才，持续赋能AI企业，联合参赛企业、合作伙伴和开发者构建一个技术交流、人才培训、产业融合、机遇共创的AI生态平台。大赛将提供开放能力聚焦AI应用落地进行全场景创新，通过“线上+线下，以赛促学，产教结合”的形式开展。大赛分为创客赛道和企业赛道，创客赛道参赛团队参赛作品须基于新一代人工智能相关技术探索和设计，有明确场景驱动的应用创新方案，比如人工智能技术在工业、城市、通信、教育、医疗、金融、环保等行业领域的应用；企业赛道企业参赛团队须围绕“智能+医药”、“智能+制造”、“智能+城市”三个场景进行项目申报。二、参赛对象创客赛道：面向全社会开放，个人、高等院校、科研单位、创业团队等人员均可报名参赛。企业赛道：企业可报名参赛。企业赛道报名链接：https://competition.huaweicloud.com/information/1000041241/introduction说明：如有大赛主办方和技术支持单位（如华为技术有限公司员工）参赛，则自动放弃获奖资格。三、赛程安排l 启动仪式（2020年6月19日）l 报名时间（即日起 ~ 8月10日20:00）：所有参赛者须在该日期期间内，在大赛官网进行注册报名和组队，并接受参赛资格审核。l 作品提交（2020年6月19日 ~ 8月10日20:00）：所有参赛者须在该日期期间内，在大赛官网按照要求，合规地提交参赛作品。l 重大联合创新路演（2020年7月12日）：大赛子版块活动，有意向参与联合创新企业可报名该活动。l AI训练营（2020年7月，具体时间待公布）：面向所有参赛者，举行AI训练营活动，由华为专家进行AI技术赋能培训。l 初赛评审（2020年8月11日 ~ 8月17日）：初赛采用线上评审方式，评审专家秉持公平、公正原则评审所有参赛作品，大赛组委会负责相关流程的组织和监督。l 公布晋级决赛名单（2020年8月17日 ~ 8月19日）：创客赛道和企业赛道分别评选18组晋级决赛，由大赛组委会公布晋级决赛团队名单。l 决赛答辩及路演（2020年8月，具体时间待公布）：决赛采取现场答辩的评审方式。（如不参加现场答辩，视为自动放弃获奖资格）l 颁奖及闭幕（2020年8月，具体时间待公布）：现场答辩评出最终排名后，大赛组委会将举办颁奖典礼及闭幕仪式。四、奖项设置1、创客赛道奖项设置如下：特等奖：1支队伍，每支队伍奖金10万元，颁发获奖证书一等奖：2支队伍，每支队伍奖金5万元，颁发获奖证书二等奖：3支队伍，每支队伍奖金 3万元，颁发获奖证书三等奖：4支队伍，每支队伍奖金 1万元，颁发获奖证书优胜奖：8支队伍，每支队伍奖金3000元，颁发获奖证书纪念奖：基于初赛参赛作品评选出100支队伍，荣获大赛纪念奖，电子参赛荣誉证明、大赛伴手礼（每支队伍一份）参与奖：初赛提交有效作品队伍将获得电子参赛荣誉证明说明：以上奖金为税前奖金，由获奖团队承担税款。2、企业赛道分为“智能+医药”、“智能+制造”、“智能+城市”三个场景，奖项设置一致，具体奖项设置如下：一等奖：3名，每个场景1名，价值100万元华为人工智能云资源，华为专家资源支持，园区具有竞争力的政策支持，优先2021年重大联合创新二等奖：6名，每个场景2名，价值50万元华为人工智能云资源，华为专家资源支持，园区具有竞争力的政策支持三等奖：9名，每个场景3名，价值30万元华为人工智能云资源，华为专家资源支持，园区具有竞争力的政策支持说明：企业赛道奖项须落户园区后享受，华为人工智能云资源兑现时间为大赛获奖1年内。五、报名及组队要求1、报名时间：即日起 ~ 2020年8月10日 20:002、组队说明：在页面左侧“我的团队”页签进行组队，每个团队人数最多5人，且每位参赛者仅可加入一支队伍。3、报名方式：使用华为云账号登录大赛官网，点击大赛官网页面上方“立即报名”按钮报名参赛。4、参赛者须确保报名信息准确有效，否则会被取消参赛资格及奖励。5、每位参赛者/每支参赛团队仅可选择一个赛道进行报名。6、官网交流群：请扫描如下小助手二维码，回复“创客”/“企业”进入相应交流群。大赛重要节点通知会在群内第一时间告知，请务必加群。六、大赛组织机构指导单位：苏州工业园区管理委员会主办单位：华为（苏州）人工智能创新中心、苏州工业园区科技发展有限公司七、其他若出现以下情况，将视为违规，大赛组委会有权取消参赛队伍的参赛资格。1、参赛报名信息虚假，不符合大赛报名及组队要求的参赛者/参赛队伍2、参赛作品涉嫌抄袭，侵犯他人知识产权等行为3、参赛期间或参赛作品发现或被举报认定存在的其他违法、违规行为本大赛规程最终解释权归“华为云杯”2020人工智能应用创新大赛组委会所有。

大赛报名链接：https://competition.huaweicloud.com/competitions

2021年4月25日，2021华为软件精英挑战赛·全球总决赛颁奖典礼在华为开发者大会嘉年华活动现场举行。现场星光璀璨，赛事进入最后的高潮，见证软件精英们的代码传奇。最终谁能捧起奖杯？一起来看看吧！一、| 华为展厅探寻 |参观华为企业数字化转型展厅，经过工作人员的讲解，我们对企业数字化转型有了更深入的了解，和更实际的感受，满足了好奇宝宝们的探索欲。二、| 百人思想碰撞 |一场技术交流的盛宴，各路技术大神纷纷现身，给你最纯粹最真诚的学术共享和经验传授。听完充满知识力的课题分享，加入圆桌课题研讨，与大神近距离交流，和小伙伴们思想碰撞，又产生了新的火花，收获满满！三、| 大赛揭秘 |Cloud BU人力资源总裁王海杰先生到场，对同学们的到来表示热烈欢迎，期待更多精英们加入华为！两位高校的老师亲临现场，对大赛给予积极肯定，向全场同学们讲述最真诚的感悟，参赛经历本身才是最重要的。可信软件工程部长，赛题专家王博，为大家讲解了本届赛题背景，还原真实场景中的更多挑战，有木有觉得豁然开朗呢~计算产品线软件总工邓名建，为我们揭秘最优美代码奖，讲解优美代码标准，又学到了很多干货冠军诞生时刻，无数羡慕嫉妒的眼神，恭喜！往届参赛优秀选手分享，收获颇多活动结束，一起合张影吧~四、| 嘉年华颁奖礼 |美女主持开场，嘉年华正式拉开帷幕。国风电音表演，爵士乐演唱，深圳原创乐团，精彩的表演伴随着结果的发布，愉快的氛围难掩内心的激动。颁奖现场星光璀璨，最终是谁登上舞台捧起奖杯呢？一起来看获奖名单音乐嘉年华进入了尾声，精彩的DJ Show，再次嗨翻全场！嘉年华落幕，2021华为软件精英挑战赛圆满结束。英雄亮剑，无畏征程。燃梦青春，不负韶华！感谢每位同学，和我们一起感受代码竞技带来的乐趣，让青春更出彩。未来的精英们！我们江湖再见！

在2020年第二届华为云人工智能大赛•无人车挑战杯赛道中，“华中科技大学无人车一队”借助华为云一站式AI开发与管理平台ModelArts及HiLens端云协同AI开发应用平台，进行无人车模型开发与部署，最终夺冠，获得20万奖励（10万现金+10万代金券）。战队撰文分享其参赛体验，包括无人车比赛的整体方案，多维数据处理及行驶控制的能力等。 1.   比赛背景第二届华为云无人车挑战杯大赛，相比第一届大赛，难度更大，赛道环境更加接近真实的道路。在比赛中，无人车需要从发车区出发，通过车道线循迹沿“8”字形赛道在不能压线和触碰挡板的条件下行走一周半后，准确地停入到停车区。在小车行驶期间，需要完成交通信号灯识别、斑马线识别、机器人动态避障、挡板区循迹、限速/解限速标志识别、精准停车等任务。无人车不仅需要完美无误地完成所有的任务，在速度上也有要求，在总决赛中，无人车需要在70s内完成所有任务，时间加分项才能为满分。在比赛中，华为云ModelArts一站式AI开发与管理平台，给参赛选手提供全流程的AI模型开发环境，助力参赛选手高效地完成检测任务中模型的训练，HiLens端云协同AI开发应用平台帮助参赛选手快速地完成模型在端侧设备上的部署和加速。华为云无人车挑战杯在由上海交大学生创新中心智能制造实验室自主研发的无人车的基础上，结合华为云人工智能平台，全面锻炼和提高赛队的AI解决方案能力及无人驾驶编程技巧。图1‑1 华中科技大学无人车一队的后浪图1‑2 华为云无车人挑战赛总决赛现场2.   整体方案无人车比赛整体解决方案如图2‑1所示，比赛主要分为三个部分，ModelArts做模型的在线训练，HiLens Kit做模型的部署，无人车上工控机的通过ROS将各个节点整合到一起，做无人车底盘的决策和控制。通过华为云ModelArts一站式AI开发与管理平台完成数据标注、模型训练、模型转换等工作，得到可供HiLens Kit前向推理的卷积神经网络的模型。HiLens Kit通过自带的相机采集图像，通过技能部署进行模型的前向推理和加速，HiLens Kit搭载着高性能的华为人工智能芯片昇腾310，针对卷积神经网络进行了优化，在模型的前向推理过程中可发挥出强大的算力。HiLens Kit完成红绿灯、限速/解限速标志识别、斑马线的目标检测识别，通过Socket通信，将检测结果传给无人车上的工控机。无人车上工控机处理激光雷达的点云数据，做Slam建图和运行中的实时定位，工控机处理USB摄像头的采集的车道线数据，做车道线的识别，再通过ROS将所有节点信息做整合，做底盘电机和舵机的决策控制。3.   ModelArts模型训练ModelArts是面向AI开发者的一站式开发平台，包含数据处理、模型训练、模型管理、模型部署等操作，并且提供AI市场功能，能够在市场内与其他开发者分享模型，其功能总览如图3‑1所示。在比赛中，我们通过ModelArts平台完成了数据标注、模型训练和模型在线转换等工作，并且通过ModelArts做模型的线上部署，检验模型的精度效果。3.1.  任务分析本次大赛涉及6类目标的检测识别：红灯、绿灯、黄灯、限速标志牌、解限速标志牌、斑马线,如图3‑2所示。无人车在运行过程中，对目标采集的图像涉及不同的视角和距离，而且比赛场地光强未知，所以对于目标检测任务，要充分考虑到目标不同视角的刚体形变、不同距离的尺度变化、不同环境光强的变化以及无人车运行中的运动模糊。无人车根据检测的结果做出相应决策和控制，对目标检测的精度要求很高，一但误检或漏检，小车的控制就会出错，而且小车在赛道上快速运行，所以对目标检测的速度也要求较高，一但小车看见目标，需要快速输出检测结果。3.1.  数据标注数据标注采用ModelArts中的数据管理功能，进入ModelArts平台的数据标注模块，创建数据集，选择物体检测，添加标签集。既可以选择手动标注，也可以在手动标注一部分后选择智能标注，最终再修改确认智能标注。当数据集较大的时候，智能标注可以有效降低数据集标注的工作量。通过创建标注团队，将数据集分配给团队队员，团队合作加快数据集标注速度。3.3.  数据增强我们模型训练的数据集大部来自HiLens Kit拍摄的不同环境下的视频序列，数据集中图像的重复比例较大，有必要将重复的图像做一些删除，对数据集做数据增强实现数据扩增，解决由于图像数据量较少带来的模型过拟合的问题。在比赛中，我们参考2018年的论文《Albumentations: fast and flexible image augmentations》开源的代码做数据集的扩充，开源代码网址：https://github.com/albumentations-team/albumentations。该项目对于数据的扩充采用颜色空间变换、模糊、亮度调整、黑白、压缩、随机噪声等30余中数据扩充办法。由于我们比赛中要识别的对象，颜色是很重要的一个特征，例如：红灯、黄灯、绿灯三种灯的颜色，限速标识的红色和解限速标识的黑色，颜色变化相关的数据扩充，会造成数据颜色特征的丢失。红灯、黄灯、绿灯三种灯分别在左、中、右三个位置，交通灯亮的位置，也是区分三种灯的很重要的特征。所以对数据集的扩充，去掉了色彩变换和水平翻转的数据扩充办法。数据扩充采用扩充方法级联的方式，如图3‑4所示，更大程度上，减小数据之间的相似性，增加图像数据的多样性，数据增强的效果如图3‑5所示。3.4.  模型训练通过数据增强，减小了数据之间的相似性，增加了数据多样性，最终选用了6031张图像数据做模型训练。模型训练我们选用的是华为云AI市场里面基于TensorFlow框架的YOLOv3_Darknet53的网络。在训练时，采用COCO数据集上的预训练模型，训练完后，通过模型转换功能将TensorFlow的PB模型转换成Ascend类型，以支持在HiLens Kit的Ascend 310 AI芯片上做模型推理。YOLOv3是典型的一阶段的目标检测网络，图像输入为416*416条件下，COCO数据集上测试的mAP的分数为31.0，模型转换后在Ascend-310推理速度：17.8ms/pic，是目前速度和精度最为均衡的目标检测网络之一，其网络结构如图3‑6所示。YOLOv3采用Darknet53作为backbone，Darknet53大量使用类似于ResNet的残差跳层连接，从而可以加深网络的深度，特征提取可以提取出更高层的语义特征，并且为了降低池化带来的梯度负面效果，作者直接摒弃了pooling，用conv的stride来实现降采样，在这个网络结构中，使用的是步长为2的卷积来进行降采样。YOLO v3中采用类似FPN的上采样和特征融合的做法，在多尺度的特征图上做检测，大大加强了对小目标检测的精确度。YOLOv3采用固定anchor对目标的位置做预测，图3‑6中输出的y1、y2、y3分别对应着32倍、16倍和8倍图像采样结果，32倍降采样的感受野最大，适合检测大的目标，所以在输入为416×416时，每个cell的三个anchor box为(116 , 90)、 (156 , 198)、 (373 , 326)。16倍适合一般大小的物体，anchor box为(30 , 61)、(62 , 45)、 (59 , 119)。8倍的感受野最小，适合检测小目标，因此anchor box为(10 , 13)、(16 , 30)、(33 , 23)。y1、y2、y3中每个cell回归边界框预测4个坐标，tx , ty , tw ,th。如果目标cell距离图像左上角的距离是(cx ,cy)，且它对应边界框的宽和高为pw , ph ，如图3‑7所示，那么网络的预测值为：在ModelArts中做模型训练和调优参数相关设置如图3‑8所示，使用ModelArts中可视化工具做训练过程可视化结果如图3‑9所示。模型训练完成后，通过在线的模型转换工具，转换为.om的模型，以供在HiLens Kit上做推理。4.   HiLens技能开发和模型部署华为HiLens为端云协同多模态AI开发应用平台，提供简单易用的开发框架、开箱即用的开发环境、丰富的AI技能市场和云上管理平台。HiLens Framework封装了丰富的视频分虚算法基础组件，如图像预处理、模型推理等，开发者只需少量代码即可开发自己的技能。HiLens Studio提供在线的开发环境，可以方便的在线编写和调试技能代码。管理控制台提供模型管理、技能开发等功能，供用户在云侧管理模型和技能，一键安装技能到端侧设备。在比赛中，我们使用HiLens Kit端侧设备做模型推理，线上开发好的技能可以一键部署到HiLens Kit上。4.1.  检测任务的Skill开发如图4‑2所示在本次无人车比赛中，我们团队开发了3个Skill，get_pic是用HiLens Kit采集图像数据并通过socket通信传给主机，做数据集采集使用；yolo-v3-v1-test是用来在测试模型的精度效果，不加与工控机通信代码；uac-yolov3-v1是在无人车实际行驶时的技能，在比赛中采集图像进行模型推理并与工控机通信。在做检测任务的技能开发，我们首先利用HiLens Studio的开发环境和HiLens Framework，在线做模型前向推理的测试，HiLens Studio开发环境如图4‑4所示，代码流程如图4‑3所示，先初始化HiLens、摄像头和加载模型，接着进入一个循环，读取摄像头采集的图像，做数据预处理，HiLens读取摄像头的图像为YUV格式，需要转为RGB格式，以及将图像resize为（416，416），以便做模型推理。模型推理通过调用HiLens Framework封装好的API，做模型前向推理的计算。由于Ascend310不支持模型后处理的计算，所以这一部分需要通过软件来做，后处理主要包括，从模型输出的特征矩阵中解码出检测框的位置、类别、置信度等信息、NMS筛选检测框等，最后输出结果。在结果后处理阶段，我们也加入了一些小技巧，以提高检测任务的准确率：l  对于6类目标我们分别采用不同的置信度阈值做筛选，交通灯和斑马线需要在较远的距离就识别到，置信度阈值我们设置为0.5，而限速/解限速，为确保检测正确性，置信度设置为0.9。l  对于红绿灯和限速/解限速，通过计算目标框中图像的红色分量值，来纠正检测的错误，例如，但检测到红灯，必须红色分量值大于0.15，才认为正确，否则视为错误。对于检测到绿灯或黄灯，必须红色分量小于0.1，才认为正确。l  同理，对于斑马线的检测，将目标框图像二值化，白色像素占比大于0.3，才认为检测正确。最终，我们在HiLens Studio对决赛现场的图像做测试，测试了700张图像，只有23张图像检测错误，目标漏检的也很少，而且都是在角度很偏的时候，漏检率在5%以内。在HiLens Studio技能代码做完了测试之后，在“技能管理”里面，创建一个新的技能，导入在HiLens Studio里面的代码，加入与工控机通信的部分，就完成了检测任务加上通信的技能开发，然后将技能在线安装到端侧设备HiLens Kit上。下一次HiLens Kit启动后，就会自动启动技能。4.2.  HiLens的通信在无人车比赛中，HiLens Kit通过网口采用Socket通信与工控机或PC机进行通信，Socket网络通信框架如图4‑5所示，Socket是应用层与TCP/IP协议族通信的中间软件抽象层，它是一组接口。在设计模式中，Socket其实就是一个门面模式，它把复杂的TCP/IP协议族隐藏在Socket接口后面，对用户来说，一组简单的接口就是全部，让Socket去组织数据，以符合指定的协议。Socket通信分为基于TCP和基于UDP两种。TCP协议是基于连接的协议，需要先建立可靠的连接，而UDP不需要事先建立可靠的链接，而是直接把数据包发送出去，是不稳定的连接。在图像数据集采集时，通过Socket通信传输视频数据，数据量大且不必要求每一个数据包都准确接收，我们采用Socket UDP通信，传输视频数据。在HiLens Kit做目标检测任务时，客户端数据少又需要稳定可靠的传输，所以我们采用基于TCP协议的Socket通信，基于TCP协议的Socket通信如图4‑6所示。5.   ROS无人车决策控制无人车上由车上的工控机完成各项数据的处理和融合，进行无人车的决策控制。通过处理激光雷达的点云数据，做Slam建图和运行中的实时定位以及挡板区的循迹，处理USB摄像头的采集的车道线数据，做车道线的识别，通过Socket通信接收来自HiLens kit的目标检测的结果。如图5‑1所示，无人车的控制方案主要包括：车道线循迹、挡板去循迹、斑马线停车及避障、限速和解像素、发车和停车、建图和定位，通过ROS整合各个节点的消息，将多种数据进行多模态融合，进行无人车控制状态机的切换，给驱动控制发送不同的速度和方向指令，驱动控制将速度和方向信息转为无人车底盘的电机速度和舵机打角指令，通过串口发送给无人车驱动，最终实现无人车完美高效地完成整个比赛任务。5.1.  车道线识别在本次比赛中，车道线的识别也是本次比赛的一个难点，无人车上USB camera的位置低、视角窄导致大部分时间只能看到单线，再加上工控机的性能较弱，对图像相关处理速度较慢。对于车道线识别，我们没有采用比赛方提供的例程，而是从实际驾车思路出发，想办法得到道路的中线，通过中线推算偏差。车道线识别的流程如图5‑2所示，首先将图像二值化，通过膨胀与腐蚀，将车道线线条的断裂给补上，小车在运行中，车道线总是会交与图像的左、右、下三条边，所以在这三条边上搜索车道线基本点，根据搜索到的基本点搜索边线。由于摄像头固定，采用提前标定好的透视变换矩阵将图像变换到俯视图。由于在搜索车道线基本点可能会搜索到多个，例如图5‑3搜索到3个基本点，从而会搜到多个边线，所以需要对边线进行筛选，提取车道线。将车道线做一次拟合，由于道路宽度固定，所以可以通过拟合的车道线计算出中线。根据中线的计算结果，即可求解偏差。在图像计算中，通过采用python的numpy矩阵操作代替大量python低速循环进行计算加速，精简计算流程，（640，480）的图像在工控机计算帧率平均可达到46fps。5.2.  激光雷达挡板区循迹与无人车定位无人车上的激光雷达传感器可扫描到无人车周围360度的障碍物的信息，可以用来做挡板区的循迹和无人车的实时定位。雷达数据的可视化展示如图5‑4（a）所示，雷达的点云数据组成了无人车行驶的车道，可采用和车道线相似的处理办法，采用搜索雷达右半部分0-75度的范围，拟合右边线，从而计算中线，求取偏差。具体处理过程可参考车道线处理方案，此处不再赘述。无人车Slam建图和定位的方案，现已经很成熟， GitHub、GitLab等开源平台也有很多非常棒的基于ROS的激光Slam项目和定位方案，我们采用开源的rf2o将激光雷达数据转为里程计信息，通过AMCL做定位，采用Gmapping建图，ROS开源社区（http://wiki.ros.org）都有详细的介绍，此处不再赘述。5.3.  多模态融合的无人车决策控制在HiLen Kit部署的技能，尽管采用一些技巧提升了图像的识别准确率，但也并非百分百准确。无人车在行驶过程中，存在运动模糊、未知光源干扰、反光灯等问题，尽管制作数据集考虑了此类情况，但是还是会有影响。我们采用了数字滤波中常用的的窗口滤波处理来做图像信息的后端处理。l  采用长度为k的定长队列做为观察窗口l  选取k个元素中出现最多类别作为当前阶段预测类别在小车行驶过程中，将ROS节点的各个信息，做多模态融合，实现无人车不同状态下切换，如图5‑6所示，无人车完成起步、斑马线停车避障、挡板区循迹、限速/解限速、精准停车等任务。6.   联合使用ModelArts和HiLens体验在此次华为云无人车大赛中，联合使用ModelArts和 HiLens，这全流程的解决方案对项目的完成提供了高质量的服务。ModelArts提供全流程的AI开发平台，数据管理、模型训练、在线部署，都方便高效；HiLens提供了端云协同的AI开发平台，大大降低了嵌入式平台开发门槛，实现模型高效快捷的端侧部署。我们在使用华为云的全栈式解决方案之前，也接触过一些其他的AI解决方案，但是无论是云还是端都没有华为云ModelArts和HiLens的联合使用便捷高效。其便捷高效主要体现在以下几个方面：（1）数据管理平台支持数据上传、存储、标注、处理一体化服务；（2）ModelArts提供了各种配置好的开发环境，支持各种深度学习框架的开发；（3）ModelArts的AI市场提供了丰富的网络模型，提高开发者开发效率；（4）ModelArts支持模型在线部署和测试，可提供网络接口供物联网设备实现云端协同；（5）HiLens的HiLens Framework，丰富的API解决了驱动和图像接入问题，自带媒体数据处理库，支持各种自定义操作；（6）HiLens Studio开发环境可在不需要硬件的条件下，做模型的测试和代码的调试；（7）HiLens技能管理平台可对技能直接做在线的部署和切换，方便、快捷。（8）HiLens的技能市场，提供了丰富的开发好的技能，开发者可以站在巨人的肩膀上做开发，提高开发效率。

【2020最全竞赛资料包下载】直播回顾+材料下载 1.      KPI异常检测比赛解题分享--复仇者联盟：https://developer.huaweicloud.com/hero/thread-90604-1-1.html2.      [参赛经验分享]华为云DevCloud啤酒供需数字化管理系统开发赛【工业互联网-啤酒管理系统】精华：https://developer.huaweicloud.com/hero/thread-85695-1-1.html3.      【华为云DevCloud开发者大赛·广场摆摊大作战】—第二名选手思路分享：https://developer.huaweicloud.com/hero/thread-79914-1-1.html4.      【开发者高校青年班】华为云开发者AI青年班黑客松大赛——参赛方案和总结：https://developer.huaweicloud.com/hero/thread-55089-1-1.html5.      [参赛经验分享]"华为云杯"人工智能创新应用大赛季军方案分享-斗鱼超管团队：https://developer.huaweicloud.com/hero/thread-59760-1-1.html6.      爱（AI）美食美食图片分类大赛——第三名方案分享：https://developer.huaweicloud.com/hero/thread-54664-1-1.html7.      爱（AI）美食美食图片分类大赛——第二名方案分享：https://developer.huaweicloud.com/hero/thread-55004-1-1.html8.      【华为云DevCloud软件编程大赛】【分享汇总】【赛道一】选手算法&代码&视频&心得分享汇总：https://developer.huaweicloud.com/hero/thread-59720-1-1.html9.      华为软件精英挑战赛冠军分享：https://developer.huaweicloud.com/hero/thread-59427-1-1.html10.   华为云数据库TaurusDB挑战赛冠军赛题总结：https://developer.huaweicloud.com/hero/thread-52084-1-1.html11.   量子计算黑客松大赛-量子计算编程获奖选手思路分享：https://developer.huaweicloud.com/hero/thread-51891-1-1.html12.   2019华为云人工智能大赛·**分类挑战杯：https://developer.huaweicloud.com/hero/thread-51511-1-1.html13.   2019华为云数据库TaurusDB性能挑战赛亚军参赛总结：https://developer.huaweicloud.com/hero/thread-52085-1-1.html14. 华为网络人工智能黑客松大赛一等奖方案分享：https://developer.huaweicloud.com/hero/thread-91002-1-1.html15. [参赛经验分享]华为网络人工智能黑客松大赛二等奖方案分享：https://developer.huaweicloud.com/hero/thread-91003-1-1.html16. [参赛经验分享]揭开KPI异常检测顶级AI模型面纱-总榜TOP1(原**从入门到精通):https://developer.huaweicloud.com/hero/thread-92041-1-1.html17. [参赛经验分享]揭开KPI异常检测顶级AI模型面纱--二等奖（sh团队）:https://developer.huaweicloud.com/hero/thread-92280-1-1.html18. [参赛经验分享]2020GDE全球开发者大赛·KPI异常检测TOP9思路分享——Excavator:https://developer.huaweicloud.com/hero/thread-91759-1-1.html---------------------------------------1.      [精彩回顾]2020首届智慧校园应用开发设计大赛-华为云&上海理工：https://developer.huaweicloud.com/hero/thread-88832-1-1.html2.      提升黄金监控指标异常检测精度-2020GDE全球开发者大赛·KPI异常检测大解密：https://developer.huaweicloud.com/hero/thread-87767-1-1.html3.      【2020华为云无人车总决赛直播回顾】直击→20强赛队激烈角逐现场：https://developer.huaweicloud.com/hero/thread-81058-1-1.html4.      软挑大神的赛后感言竟然是这样的！https://developer.huaweicloud.com/hero/thread-59599-1-1.html5.      华为云助力“互联网+”大学生创新创业大赛：https://developer.huaweicloud.com/hero/thread-65813-1-1.html6.      华为云DevCloud软件编程大赛优秀作品视频答辩和颁奖仪式视频：https://developer.huaweicloud.com/hero/thread-54687-1-1.html7.      【华为云人工智能大赛·**分类挑战杯】决赛答辩视频&PPT：https://developer.huaweicloud.com/hero/thread-47549-1-1.html8.      [技术干货]2020华为云数据库挑战赛-赛题解读：https://developer.huaweicloud.com/hero/thread-65946-1-1.html9.      [技术干货]华为云DevCloud软件编程大赛·市政口罩管理系统（赛道一）优质作品展播：https://developer.huaweicloud.com/hero/thread-57054-1-1.html10.   [技术干货]华为云DevCloud软件编程大赛·市政口罩管理系统（赛道二）优质作品展播：https://developer.huaweicloud.com/hero/thread-57052-1-1.html11.   [技术干货]2019人工智能创新应用大赛直播赋能视频回放：https://developer.huaweicloud.com/hero/thread-48755-1-1.html ·························1.      [数据集下载]“华为云杯”2020人工智能创新应用大赛(数据集来源于北京二号卫星)：https://developer.huaweicloud.com/hero/thread-86609-1-1.html2.      [数据集下载]爱（AI）美食-美食图片分类Baseline：https://developer.huaweicloud.com/hero/thread-48757-1-1.html3.      [数据集下载]第十六届中国研究生数学建模竞赛-华为赛题：https://developer.huaweicloud.com/hero/thread-48583-1-1.html4.      [数据集下载]【2019华为云人工智能大赛·**分类挑战杯】：https://developer.huaweicloud.com/hero/thread-47550-1-1.html····································【2020西安人工智能大赛-获奖团队分享集锦】冠军-西南交通大学VGE团队：https://developer.huaweicloud.com/hero/thread-99413-1-1.html亚军-我要拿十万团队：https://developer.huaweicloud.com/hero/thread-99422-1-1.html亚军-HXForevertuan团队：https://developer.huaweicloud.com/hero/thread-99437-1-1.html季军-我的model怎么不work啊团队：https://developer.huaweicloud.com/hero/thread-99477-1-1.html季军-不配拥有姓名团队：https://developer.huaweicloud.com/hero/thread-99480-1-1.html优胜奖-0.4441警告 团队：https://developer.huaweicloud.com/hero/thread-99481-1-1.html季军-天呐真的吗团队：https://developer.huaweicloud.com/hero/forum.php?mod=viewthread&tid=99839TOP7-第一次做分割团队：https://developer.huaweicloud.com/hero/forum.php?mod=viewthread&tid=99842优胜奖-怎央打团队：https://developer.huaweicloud.com/hero/forum.php?mod=viewthread&tid=99843

一、图像分类赛题a、“华为云杯”2019人工智能创新应用大赛 - 基于旅游主题图像分类参赛者经验分享：1、西安人工智能大赛冠军获奖模型-sinoreps2、西安人工智能大赛季军获奖模型-斗鱼超管团队3、用AI技术推动西安民俗文化，斗鱼超管团队有一套4、"华为云杯"2019人工智能创新应用大赛季军方案分享-nmsh团队5、华为云人工智能创新应用大赛季军方案分享_goodgame团队6、"华为云杯"2019 DL队伍优胜奖方案分享7、"华为云杯"2019人工智能创新应用大赛优胜奖方案分享-西北望长安团队8、"华为云杯"2019人工智能创新应用大赛优胜奖方案分享-郭老师的弟子团队9、"华为云杯"2019人工智能创新应用大赛优胜奖方案分享-陆石头引力波团队10、2019人工智能创新应用大赛获奖队伍直播分享来啦！b、2019华为云人工智能大赛·**分类挑战杯1、2019华为云人工智能大赛·**分类挑战杯亚军方案分享2、决赛答辩PPT及视频3、深度学习通用模型调试技巧c、入门赛 - 爱（AI）美食·美食图片分类官方baseline：https://bbs.huaweicloud.com/forum/thread-63808-1-1.html参赛者经验分享：1、爱（AI）美食美食图片分类大赛——第一名方案分享2、爱（AI）美食美食图片分类大赛——第二名方案分享3、爱（AI）美食美食图片分类大赛——第三名方案分享代码分享：1、MxNet版本代码：https://bbs.huaweicloud.com/forum/thread-66990-1-1.html2、官方Baseline修改：https://bbs.huaweicloud.com/forum/thread-66991-1-1.htmld、华为云开发者AI青年班黑客松大赛 - 爱（AI）美食·美食图片分类参赛者经验分享1、https://bbs.huaweicloud.com/forum/thread-66955-1-1.html2、https://bbs.huaweicloud.com/forum/thread-66958-1-1.html3、https://bbs.huaweicloud.com/forum/thread-66961-1-1.html4、https://bbs.huaweicloud.com/forum/thread-66964-1-1.html5、https://bbs.huaweicloud.com/forum/thread-66962-1-1.html6、https://bbs.huaweicloud.com/forum/thread-66965-1-1.htmle.华为云“云上先锋”· AI学习赛1、AI学习赛冠军模型2、AI学习赛亚军获奖模型3、AI学习赛三等奖模型4、华为云AI学习赛第三名方案二、物体检测赛题“华为云杯”2020深圳开放数据应用创新大赛·生活**图片分类（基于物体检测）官方分享生活**图片分类赛题Baseline参赛者经验分享【PyTorch版本baseline】“华为云杯”2020深圳开放数据应用创新大赛·生活**图片分类三、结构化数据预测分析赛题2020中国高校计算机大赛·华为云大数据挑战赛热身赛 - 交通流量预测官方分享热身赛交通流量预测赛题Baseline参赛者经验分享1、2020中国高校计算机大赛·华为云大数据挑战赛热身赛_交通流量预测赛题思路分享2、2020华为云大数据挑战赛热身赛如何轻松快速提高10分？baseline简单解读与优化思路分享第一弹3、初赛Baseline，一套完整的流程4、周周星分享-排行榜第三5、关于萌新修改平台推理函数的一点建议外部分享2020中国高校计算机大赛·华为云大数据挑战赛–数据分析四、图像语义分割赛题赛题任务基于高分辨可见光遥感卫星影像，提取复杂场景的道路与街道网络信息，将影像的逐个像素进行前、背景分割，检测所有道路像素的对应区域参赛者经验分享1、2020西安人工智能大赛冠军模型分享2、2020华为云人工智能创新应用大赛亚军模型3、 2020西安人工智能大赛亚军获奖模型4、2020西安人工智能大赛季军获奖模型5、2020西安人工智能大赛季军模型_道路分割6、2020西安人工智能大赛季军获奖模型7、2020西安人工智能大赛TOP7获奖模型8、2020西安人工智能大赛优胜奖获奖模型9、遥感图像道路提取10、2020人工智能大赛道路识别11、华为云 云上先锋 AI挑战赛 第一名模型12、AI挑战赛--街景图像语义分割亚军方案13、云上先锋-AI挑战赛三等奖模型

描述“华为云杯”2020人工智能创新应用大赛赛题任务：基于高分辨可见光遥感卫星影像，提取复杂场景的道路与街道网络信息，将影像的逐个像素进行前、背景分割，检测所有道路像素的对应区域。数据集为data.zip，详细介绍请查看赛题页面说明。

https://competition.huaweicloud.com/information/1000041300/introduction?track=107本赛事是由中国国际智能产业博览会、重庆两江新区管委会与华为联合发起的人工智能交流赛事，面向全国的企业、个人、高校师生开放。举办方：重庆两江新区管理委员会、华为技术有限公司主办，重庆两江新区总工会、华为（重庆）人工智能创新中心【大赛介绍】作为2020线上中国国际智能产业博览会重磅赛事之一，“数创未来，智汇两江”华为云人工智能大赛（以下简称“大赛”）是由重庆两江新区管理委员会、华为技术有限公司主办，重庆两江新区总工会、华为（重庆）人工智能创新中心承办，面向全国的人工智能交流赛事。大赛旨在搭建国际化数字经济人才交流平台，吸引和挖掘优秀创新团队和人才集聚新区，助力新区“智慧之城”建设，为成渝地区双城经济圈建设提供有力支撑，为智博会添彩赋能。【参赛对象】  大赛面向全国开放，各地从事人工智能产业相关技术方向的企业、高等院校、科研单位、创业团队、个人等均可组团报名参赛。【参赛要求】1) 参赛对象无违法犯罪等不良记录。2) 参赛信息必须真实有效，项目作品不得侵犯他人知识产权。3) 参赛项目须具有原创性、独创性和创新性，具有自主知识产权。4) 如有大赛主办方和承办方单位员工参赛，则自动放弃获奖资格。【赛程安排】1) 启动仪式（2020年8月5日）2) 赛道集训（ 2020年8月5日~2020年9月10日 ）：大赛组委会通过开放云上视频资料、导师线上答疑指导等方式指导参赛队员顺利完成作品提交3) 作品征集（2020年8月5日 ~ 2020年9月10日）：所有参赛者须在该日期期间内，在大赛官网按照要求，合规地提交参赛作品4) 初赛评审（2020年9月11日）：评审委员会秉持公平、公正原则评审所有参赛作品，从提交作品的参赛队伍中筛选出10 支队伍进入决赛路演，并对外公布5) 决赛路演（2020年9月15日）：路演环节包含20分钟的方案演示以及10分钟的评审委员会提问，评审委员会根据现场情况进行打分，大赛组委会负责相关流程的组织和监督，最终评选出6支优胜队伍（如不参加现场答辩，视为自动放弃获奖资格）6) 决赛颁奖（2020年9月16日~2020年9月17日）：大赛组委会将举办颁奖典礼决赛及颁奖时间可能会根据情况做微调，具体以短信或电话通知为准。【奖项设置】1) 一等奖：1支队伍，每支队伍奖金3万元，颁发获奖证书、奖杯2) 二等奖：2支队伍，每支队伍奖金2万元，颁发获奖证书、奖杯3) 三等奖：3支队伍，每支队伍奖金1万元，颁发获奖证书、奖杯4) 优胜奖：4支队伍，每支队伍奖金0.5万元，颁发获奖证书、奖杯【报名和组队要求】1) 报名时间（即日起至2020年9月10日 18:00）：所有参赛者须在该日期期间内，在大赛官网进行注册报名和组队，并接受参赛资格审核。2) 组队说明：在页面左侧“我的团队”页签进行组队，支持1人或2~10人组队，且每位参赛者仅可加入一支队伍。3) 报名方式：使用华为云账号登录大赛官网，点击大赛官网页面上方“立即报名”按钮报名参赛。参赛者在官网报名后，还需要填写报名信息（报名信息需含有参赛单位、联系人、联系电话、邮箱），发送至大赛组委会邮箱luoyanyan2@huawei.com，以便大赛组委会及时通知赛事信息。4) 参赛者须确保报名信息准确有效，否则会被取消参赛资格及奖励。【大赛组织机构】  主办单位：重庆两江新区管理委员会、华为技术有限公司 承办单位：重庆两江新区总工会、华为（重庆）人工智能创新中心*本大赛集训平台，由华为云DevCloud教育解决方案提供。本大赛规程最终解释权归“数创未来，智汇两江”华为云人工智能大赛组委会所有。

https://competition.huaweicloud.com/information/1000041306/introduction?track=107“东风智能制造”开发者创意大赛是东风公司举办的第三届、公司级大数据创意赛事，本次赛事既是延续，也是承接（它将作为东风工业互联网2020行动举措之一，即工业APP孵化课题）。举办方：东风汽车集团有限公司、东风乘用车公司、华为技术有限公司一、赛事介绍“东风智能制造”开发者创意大赛是东风公司举办的第三届、公司级大数据创意赛事，本次赛事既是延续也是承接（它将作为东风工业互联网2020行动举措之一，即工业APP孵化课题）。本次赛事是由东风汽车集团有限公司、东风乘用车公司联合主办，华为公司承办的大数据分析、创意交流赛事。成绩优秀团队将直接入围公司众创项目，参与项目的深入分析和延展。该项赛事优秀获奖选手有机会获得入职东风公司的offer直通车。大赛通过与东风乘用车实际业务相结合，为开发者提供一个交流、学习和创新挑战的平台，以达到为业务赋能、培养汽车行业大数据人才的目的。本次大赛参赛者基于华为云人工智能开发平台ModelArts，根据组委会提供的东风乘用车焊接曲线（电流、电压、电阻、能量）历史数据，聚焦电阻、功率曲线的研究，开展相同板材结构、相同工位、同一焊点号的焊点数据分析，进行(1)焊接过程曲线建模、修磨周期建模 ；(2)异常归类统计。二、参赛对象大赛面向全社会开放，企业、高等院校、科研单位等均可组队报名参赛。三、赛程安排比赛采用预、决赛形式，具体安排如下：初赛：2020年8月19日-2020年9月8日，共计21天(1)8月19日开放平台访问环境及比赛数据，参赛队可开始比赛准备。(2)初赛截止后（9月15日18:00截止提交），参赛队需提交代码、模型、开发过程及解题思路介绍材料、仿真环境演示结果等进行审核。(3)组委会将在官网公布前6名参赛队名单，入围决赛。决赛：2020年9月下旬（具体时间另行通知）(1)在决赛开始之前，参赛队伍可继续优化模型精度，同时基于模型开发应用或演示demo（不限于小程序、APP、H5等）。(2)2020年9月下旬，入围决赛的队伍将开展决赛答辩，组委会将根据模型评测成绩、演示及答辩效果加权得出总分数，并依据决赛分数评选出大赛奖项。注：入围决赛的队伍答辩前需要提供可复现答辩成果的代码、模型、数据以及必要的文档。四、比赛资源组委会为每位参赛选手提供价值1000元的华为云EI资源券（仅支持ModelArts及OBS），以支撑比赛期间资源费用。注：本次比赛提供的云资源有限，请确认参赛的队伍关注及配合组委会云资源发放，云资源发完即止。五、奖项设置冠军：1支队伍，每支队伍奖金3万，颁发获奖证书（东风汽车公司级）亚军：2支队伍，每支队伍奖金2万，颁发获奖证书（东风汽车公司级）季军：3支队伍，每支队伍奖金1万，颁发获奖证书（东风汽车公司级）六、报名须知1、报名方式：登录比赛官网，点击页面右上方“立即报名”按钮进行报名。2、报名时间：2020年8月19日9:00-2020年8月29日18:00（共11天）。3、本次比赛云资源有限，发放完毕后将不再发放。4、参赛者可3~7人组队参赛，且每位选手只能加入一支队伍。对不符合组队要求的队伍，赛务组有对其取消晋级资格的权利。5、参赛者需确保报名信息准确有效，大赛组委会有权取消不符合条件队伍的参赛资格及奖励。6、大赛官方交流请至论坛交流版块，选手交流微信群扫描如下二维码。注：报名后请务必要加入微信交流群，群里会不定时发布赛事重要信息。备注：1. 请参赛报名选手务必加入群，以查收比赛相关公告和通知。数据集下载地址可在本页面中下载说明文档。2. 请参赛组队成功后，将组队信息以如下形式反馈到邮箱tangyi09@huawei.com。队伍名称选手名字华为云账号（需完成认证）电话注：对赛事有任何疑问请联系东风公司工作人员。

https://competition.huaweicloud.com/information/1000041322/introduction?track=107“华为云杯”2020西安人工智能创新应用大赛，由西安国家民用航天产业基地管理委员会主办、华为公司承办，以“AI在航天，鸿图华构”为主题面向全国的人工智能交流赛事。举办方：西安国家民用航天基地管理委员会、华为技术有限公司一、赛事简介为培育人工智能创新氛围，深化新基建合作，提升高精尖人才研发创新能力，由西安国家民用航天产业基地管理委员会主办、华为技术有限公司承办的“华为云杯”2020人工智能创新应用大赛于2020年11月5日正式启动。大赛以“AI在航天，鸿图华构”为主题，立足航天卫星遥感产业，结合华为在云计算、人工智能、物联网、5G移动通信、智能制造等领域的技术优势和产业链整合能力，推动AI技术在遥感行业应用，同时加速培养高精尖人才，实现人工智能技术的真正落地。二、参赛对象大赛面向全社会开放，个人、高等院校、科研单位、企业、创客团队等人员均可报名参赛。特别说明：大赛承办方和技术支持单位员工/实习生可以参赛，但参赛成绩仅参与排名不参与评奖与奖金发放，评奖名额往后顺延。三、赛程安排本次大赛分为初赛、决赛两个阶段，具体安排如下。初赛（11月5日 ~ 12月8日）1、11月5日14:00开放模型提交判分入口，每个团队每天有2次评测机会。2、系统排行榜每天更新一次，按照评测指标从高到低排序。3、初赛截止时间为12月8日18:00，组委会将通知排名前10名参赛队伍的提交代码审核说明：具体代码审核需提交的材料和相关操作初赛截止后公布，如未配合组委会进行初赛代码审核，视为自动放弃进行决赛资格。决赛（12月11日 ~ 12月22日）1、初赛截止后3天（12月11日），组委会将进行最终排名前10入围名单公布及决赛相关事项。2、参加决赛的选手需要在决赛日（12月22日）前准备答辩材料，答辩材料需包含两部分主要内容，第一部分为初赛中的算法介绍，第二部分为开放性讨论问题，题目为“AI如何助力遥感行业？”（不限定形式和范围）。3、12月22日，TOP10的队伍将受邀前往西安进行总决赛答辩，组委会将根据初赛模型评测成绩、决赛专家评审成绩加权得出总决赛成绩，初赛与决赛权重比例为0.7:0.3，最终依据综合成绩评选出大赛奖项。四、奖项设置冠军： 1支队伍，每支队伍奖金10万，颁发获奖证书亚军： 2支队伍，每支队伍奖金 5万，颁发获奖证书季军： 3支队伍，每支队伍奖金 3万，颁发获奖证书优胜奖：4支队伍，每支队伍奖金 1万，颁发获奖证书参与奖：初赛最终排名入围TOP200队伍将获得AI书籍（每支队伍一份）特别说明：TOP10获奖团队需在华为云社区分享参赛方案及总结的分享。五、报名须知1、报名方式：登录比赛官网，点击页面左上方“立即报名”按钮进行报名。2、报名时间：即日起 --2020年11月23日18:003、参赛者可单人或2~3人组队参赛，且每位选手只能加入一支队伍，云资源发放以个人为单位（大赛云资源有限，大赛组委会按照大赛报名顺序依次发放，发完为止）。4、参赛者需确保报名信息准确有效，大赛组委会有权取消不符合条件队伍的参赛资格以及奖励。5、大赛官方交流请至论坛（交流版块，选手交流微信群扫描如下二维码，如群已满，请加右侧大赛小助手微信号，备注“西安赛”，小助手将您拉进群。大赛重要节点通知会在群内第一时间告知，请务必加群。六、比赛资源组委会为参赛选手提供一定量的华为云EI资源券（仅支持ModelArts及OBS），以支撑大赛期间资源费用。云资源有限会按报名顺序下发，发完为止（720份云资源，发完为止）。特别说明：云资源发放请关注交流群通知，收到云资源后请务必按照组委会要求，在规定时间内购买相应套餐，如过期未购买或由于自己原因错买需自行承担结果，组委会不再补发。七、组织单位主办单位：西安国家民用航天基地管理委员会承办单位：华为技术有限公司协办单位：陕西省测绘地理信息局八、其他若出现以下情况，将视为违规，大赛组委会有权取消参赛队伍的参赛资格。1、参赛报名信息虚假，不符合大赛报名及组队要求的参赛者/参赛队伍2、参赛作品涉嫌抄袭，侵犯他人知识产权等行为3、参赛期间或参赛作品发现或被举报认定存在的其他违法、违规行为本大赛规程最终解释权归“华为云杯”2020人工智能创新应用大赛组委会所有。

首发：https://developer.huaweicloud.com/hero/forum.php?mod=viewthread&tid=49425    3月27日，由鲲鹏产业源头创新中心主办，华为技术有限公司、深圳湾科技发展有限公司、深圳市软件行业协会承办的“2020中国（深圳）数字经济产业·鲲鹏创新大赛”圆满落下帷幕。本次大赛以“训赛结合，以训促赛”的方式进行，历时12天。赛事吸引了全国各地70余支企业及院校队伍参赛，经过前期培训与竞赛角逐，究竟哪9支队伍获得大奖，最终冠军又花落谁家，他们又是如何利用【基于鲲鹏云服务平台】进行应用开发的呢？带上你的好奇心，一起来欣赏此次获奖团队的作品吧！            --------------------------------------****一等奖****--------------------------------------     首先为大家带来的是此次获得大赛一等奖的作品————来自软通教育战队的【软通大学在线学堂】。   该产品结合时下疫情现状，以“停课不停学”的理念，推出在线学习系统，主要集中课程管理、在线点播、在线直播、技术博客、在线考试等核心功能展开设计。整体功能设计全面，场景完整，且实用性及商用性较高。  同时，在实现系统功能的同时，充分利用鲲鹏云及软开云平台能力，基于全鲲鹏架构+欧拉的操作系统，采用分布式架构开发，选择HTTPS+DNS域名解析的方式，实现业务系统的对外访问，全面适配商业化要求；利用华为云的负载均衡与健康检查机制，结合GaussDB，Mysql，redis主备切换，与OBS的多AZ功能和跨区域复制功能，实现系统的高可用性与所有存储层的数据容灾；全面利用软开云进行敏捷开发，一键化自动部署多个结点，代码管控，实现开发环境、测试环境、生产环境构建；混合使用GaussDB和mysql，各服务之间采用标准REST方式，实现开发人员的技能解耦同时减轻数据库压力；调用华为OBS的SDK采用断点续传的方式实现视频防盗链、水印、加密点播，视频OBS存储，断点续传，视频秒开功能；利用华为云直播服务快速实现直播功能和直播回放功能；基于华为云搜索服务实现用户行为进行智能分析，通过kibana的dashboard组合各个图表进行大屏展示；基于鲲鹏ELK实现博客内容的全文检索功能；通过最小ACL权限管控与IAM账户权限管控，实现资源实时监控与行为审计功能，通过华为云监控平台实时进行查看，辅助进行运维管控；利用弹性伸缩、IMS镜像服务、ELB负载均衡配合实现服务器横向动态扩容，根据业务高峰期和低峰期的性能需求，合理化管控成本。  评委们认为软通教育战队能够真正了解鲲鹏云服务能力，灵活且较为全面的将鲲鹏各类云服务运用到所展示的软通大学在线学堂产品的开发中，在实现功能的同时，不仅提高了研发的工作效率，也实现了产品的高可用性与容灾能力。软通大学在线学堂产品具备了成熟在线教育管理系统的各项主要功能，商业可落地能力较强，并表示非常期待后续能在华为云上看到软通大学在线学堂产品的进一步落地和完善。             --------------------------------------****二等奖****--------------------------------------    获得此次二等奖的队伍是一览网络队和中科星图队。  一览网络队————“复工复产数据监测决策系统”  一览网络队结合疫情对企业复工造成了巨大且深远的影响，有关部门有必要及时掌握区域企业复工情况、用工现状、用工需求、培训需求等信息，以便为企业有序、科学地复工复产方法提供依据，而线下的调研方式不再符合当下的要求，对企业的调研要充分考虑排除企业现场申报或工作组线下调研的安全风险，同时建设企业实时反馈、及时更新用工情况的长效机制的需求背景，设计了“复工复产数据监测决策系统”，它包括：企业复工复产调研、数据统计分析系统以及数据可视化看板展示部分。  企业复工复产调研系统主要围绕着单位基本信息、单位人才现状、复工复产情况、用工需求情况、培训需求情况以及用工环境调研等多个方面进行企业复工复产调研，收集并沉淀企业与人才相关的数据，为后续开展复工复产现状分析提供数据建模；数据统计分析系统，通过对企业所提交的各项数据进行整合、统计、分析。协助政府相关部门针对当前疫情下企业复工复产等相关政策的出台提供数据支撑；数据可视化看板展示，将数据进行多个维度分析统计借助图表、图形和地图等可视化元素大屏展示，数据可视化看板可以便捷地查看和了解复工复产的发展趋势,便于对企业复工复产做出有利决策,这对于现阶段疫情防控具有重要意义。  “复工复产数据监测决策系统”采用分布式服务、多节点部署、ELB负载+弹性伸缩、前后端分析的结构实现系统的高可用性、高可靠性和可拓展性；设计以CDN+WAF实现联动防御，安全组+ACL访问控制，HTTPS加密传输，操作系统、数据库、应用的安全加固的方案保证系统的安全可靠；建立云上两地三中心的容灾架构，采用数据库一主多从架构，逻辑备份，binlog定时汇聚结合云备份和镜像服务，实现同城跨可用区容灾站点和异地跨区域容灾站点，保证在不可抗力因素下也可保全业务数据不丢失，且迅速恢复业务，提高业务连续性；利用主机安全，vpn+堡垒机，数据库安全服务，漏扫服务来保证运维安全；基于DevCloud实现代码托管，编译构建，部署发布，云性能测试服务等一站式部署进行开发测试；利用鲲鹏处理器NUMA架构提供更强的多核扩展能力和算力，解决SMP总线瓶颈问题；同时利用鲲鹏社区一站式资源、服务平台结合实际业务场景的设计总体解决方案。   评委表示，该设计方案的突出特点是系统方案中全面使用华为云技术，在系统后台的云部署上，利用鲲鹏云服务架构的高可靠高性能，结合GuassDB等云服务设计的产品充分考虑了系统的安全性和运维的便捷性，特别是团队采用了华为开发云的代码托管和系统测试等功能，提高了团队开发的效率与代码质量。并且开发的软件系统实用性较强。希望今后能够将作品进一步优化和完善，加快市场化步伐。     中科星图队————“疫情防控检测大数据分析平台”  在新冠肺炎的肆虐下，全国人民的正常生产、生活秩序均受到严重影响。虽然当前疫情已得到有效控制，但如何让企业尽快复工复产，是一个迫在眉睫的问题。中科星图队设计出疫情防控大数据监测分析平台，助力汕头政府，联动政企，助力复工复产。   在架构的设计理念上，服务器架构是涉及性能优劣的关键因素，对比传统X86架构，鲲鹏ARM架构采用RISC精简指令集，有更快的执行速度与更好的并发性能。   在对服务器的地域分布进行设计时，以"反亲和性"作为原则进行多节点部署，上层链路搭建ELB负载均衡器进行心跳检测和智能分发，确保部分服务器出现不可控因素而宕机时，业务请求仍不受影响，保障系统的可靠性。根据疫情的数据"结构简单"、"不涉及太多关联查询"等特点，采用ARM架构分布式缓存Redis作为中间件，大量可重用数据缓存在内存中，直接降低了底层数据库的查询次数，减少了业务响应时间，实现毫秒级响应。  系统中还充分考虑容灾备份，以及为系统搭建OBS文件系统作为数据采集的存放中心，供大数据接入分析。考虑到白天黑夜业务峰谷之悬殊，引入AS弹性伸缩策略，对资源做一个宏观的调控，良好应对不同高低负载的场景，减少不必要的费用支出。 （系统架构 (双数据中心)图）  评委评价该项目使用高级鲲鹏云服务和B/S架构技术实现了疫情实时数据可视化展示、监测分析，项目亮点在于采用了弹性架构设计，实现了容灾备份、负载均衡等技术要求，并且在本地提了扩散模型算法，结合线上平台开发了疫情态势分析系统。项目作品也已为政府制定企业复工复产方案提供具有科学性、可靠性依据的防疫帮助，已成功助力政府完成20000+家工业企业复工，具有极强的现实意义。                --------------------------------------****三等奖****--------------------------------------  获得三等奖的队伍是泰克教育队、信联征信队、瑞通五小福队、Vitality队、云基华海队。    泰克教育队————“鲲鹏应用大赛”    随着ICT技术的迅猛发展，企业对包括云计算、大数据、物联网、人工智能、存储、路由交换等等方向的全能型人才的需求迫在眉睫。然而传统ICT实验室建设仍面临成本高昂，资源利用度低、扩容难度大、运维成本高、环境部署难度大等诸多挑战。  为助力高校培养契合市场需求的ICT人才，推动ICT产业发展，泰克教育队基于华为云研发了双创实践云平台，结合云计算、大数据、人工智能等创新方式为ICT人才培养提供优质的教学资源和高效的实践平台，用于科研环境定制、认证考试、教学实训、公共实训服务、赛事一体化等多种场景，致力于打造良性发展的ICT人才生态圈。  “双创实践云平台”采用公有云、私有云、混合云的混合建设方式；支持一键式创建、清理、恢复实验环境；支持快速扩容、升级。依托于云计算、大数据、人工智能，打造一个高效的实践平台，推出了数通、网络安全、大数据、云计算等等方向的课程。  业务主要采用CCE容器部署，以四台弹性云服务器ECS为核心，将其部署在两个可用分区实现高可用；采用SDRS存储容灾服务实现RPO=0、跨可用分区的双活容灾服务，保证业务的连续性；结合云硬盘EVS、对象存储服务OSB、云数据库Mysql、云备份CBR，满足系统对数据存储、数据保护的需求；利用弹性伸缩AS服务应对业务波峰波谷的变化在满足业务的需求的同时降低成本；结合镜像服务IMS满足客户对不同系统的需求。结合弹性负载均衡ELB服务，将访问流量自动分发到多台云服务器，扩展应用系统对外的服务能力，实现更高水平的应用容错。  评委们一致认为，该产品成熟度高，全面覆盖教学场景，从院长到老师，学生，针对不同角色定制不同功能，满足学校中不同角色的需求，教学与管理兼得；并且该方案考虑了容灾场景，加强了该系统的抵御不可抗力场景的能力，但是如果该系统能够再加强云服务的使用提高性能会更好。      信联征信队————“发现独角兽”系统  由于疫情的影响，很多公司都不得不停工，现金流急剧减少，而部分中小企业的资金链一旦断裂，就意味着死亡。因此，如何帮助中小企业获得融资，如何让投资者投资有潜力的中小企业，对中小企业的复工有着重要的意义。  信联征信队根据传统投融资系统的基本信息关联性差，人工成本大，效率低等特点，设计了“发现独角兽”系统，具备海量创投数据，高性能图数据库，深度学习推荐模型，机器学习评价模型的特点，针对投资机构，公司，行业进行深度分析，把握最新的投资机会。  “发现独角兽”系统使用华为图引擎服务GES, 实现知识图谱的应用，图数据库数据量达到点: 308606, 边: 253578. 路径查询时间在200ms – 300ms；编译部署tensorflow_serving到华为云, 利用trans-D深度学习模型, 实现相似企业的推荐功能;在华为云上完成机器学习模型的推理, 预测中小企业的发展前景；使用华为云弹性搜索服务, 实现标签查找以及模糊匹配功能；结合ELB实现负载均衡，RDS实现zhuconbei主从备分，考虑容灾场景。  （在大数据的基础上，利用知识图谱关联关系、文本语义理解、机器学习建模等技术，发现更多价值。）     评委充分肯定了这个团队对于疫情之下的市场需求的把握，新颖的切题角度，作品基于鲲鹏云服务移植开源框架实现了机器学习及深度学习模型，实现了高可靠、稳定的AI金融创投应用系统，对于提高投融资效率、助力中小企业发展有实际且深远的意义。    瑞通五小福队————“瑞通云学苑在线教育管理平台”  随着科技时代的高速发展，企业建立在线化平台进行其下工程项目的管理是时下趋势。来自东方瑞通的瑞通五小福队伍结合企业现状，计划打造一个在线教育管理平台，通过实训项目，让学生接触到企业项目、企业工程师，了解企业开发模式，帮助高校学生将理论知识转换为生产实践能力。  “瑞通云学苑在线教育管理平台”基于B/S架构实现，采用多节点部署，分布式服务，负载均衡及MySQL+Redis数据库主从备分实现系统的高可靠性；基于数据库安全组设置及WAF设计安全方案；利用Nginx日志获取数据，使用数据仓库服务DWS，结合大数据分析与人工智能的深度学习功能，进行课程推荐，基于GuassDB200，使系统具有亿级数据秒级响应、统计信息1秒延迟以内。  评委表示：瑞通五小福的“瑞通云学苑在线教育管理平台”基于华为鲲鹏云服务部署的高可用方案，多途径的访问方式，同时结合华为云大数据服务，为客户呈现了一个功能完善、性能良好、方便快捷的在线教育平台，将华为鲲鹏云服务用于解决企业实际业务痛点。    Vitality队————“在线学习平台”  来自深圳职业技术学院的Vitality队基于简单、适用、高效的原则，实行通用化、标准化、智能化、人性化的产品设计思想，帮助企业和学校形成学习型组织，对员工和学生进行高效、有序的管理。为企业与学校全体员工和学生提供一个共同学习平台，有助于对全体员工知识、观念、技能、行为的统一管理，从而提升整体工作效能。在线学习平台构建了教育数字化网络，打破了时空和地域的限制，实现优质教学资源共建共享，为学生创设了良好的数字化学习环境。  平台基于华为鲲鹏云服务，站点采用LAMP架构，基于php框架symfony，实现了B/S架构，支持访问权限控制和使用安全控制系统部署架构具备高可靠，高安全，高管理的特点。平台使用了华为的弹性负载均衡通过监听规则将访问流量自动分发到后端多台弹性云服务器，扩展平台系统对外的服务能力，实现更高水平的系统容错性能；设计异地双活容灾方案实现健康状态监视和功能切换，利用RDS做三机主从热备，同时使用unison工具将主IT系统同步到异地的灾备系统，使得发生灾难时以最快速度重新对外提高服务；选择华为的Anti-DDoS流量清洗服务，对IP地址进行DDoS攻击防护；使用华为的Web应用防火墙，平台可以通过对HTTP(S)请求进行检测，识别并阻断SQL注入、跨站脚本攻击、网页木马上传、第三方应用漏洞攻击、CC攻击、恶意爬虫扫描、跨站请求伪造等攻击；利用CTS云审计服务为平台提供云服务资源的操作记录，记录内容包括管理员从云管理控制台或者开放API发起的的云服务资源操作请求以及每次请求的结果，供查询、审计和回溯使用；选择专业的简化数据库管理工具——DAS，为平台提供优质的可视化操作界面，大幅提高工作效率，让数据管理变得安全简单。   评委对于这支高校队伍所呈现的作品青睐不已，表示该队伍非常善于利用开源框架，将在鲲鹏训练营学习到的知识完全理解并灵活运用到自己的作品中去，不仅实现了在线教学管理的业务系统，同时考虑了系统的高可靠、高安全、管理、监控，对赛题的理解和思考非常到位。    云基华海队————“云派防疫信息智能登记系统”  新型冠状病毒肺炎疫情发生以来，各行各业的人们都在以自己的方式支援这场不见硝烟的“战疫”。面对“返工潮”攻坚战，做好返程人员的疫情防控及监测工作绝对是重中之重，为解决这一问题，云基华海队设计了“云派防疫信息智能登记系统”，能够实现信息录入，票证信息智能识别，返程统计，返程预警及基础管理等功能。  “云派防疫信息智能登记系统”基于鲲鹏云服务+微服务架构，充分考虑了应用系统的安全防护体系，应用系统的高可用架构设计和等保三级的安可要求，全面利用了华为的云服务基础设施，可运维以及运维安全性的设计，全面而又具有非常强的现实意义的功能能够有效缓解各渠道人员检查压力、规避人员集聚造成重大事件或传染风险等。    评委表示：云基华海队的“云派防疫信息智能登记系统”，契合大赛主题，以创新的方式支援抗击肺炎、复工复产的“战疫”。基于鲲鹏云服务+微服务架构，积极使用OCR图像识别等高级服务，具有积极的现实意义，且方案可复用推广。             --------------------------------------****鲲鹏未来星****--------------------------------------  教工食堂队————“GsEdu”  在此次大赛中，涌现了一支非常优秀的高校队伍，他们是来自深圳职业技术学院的教工食堂队。  以疫情期间停课不停学，为了顺利开展能够顺利开展线上教学，帮助师生提高课堂效率为设计理念，设计了基于B/S架构实现，支持访问权限控制和使用安全控制；在项目开发的同时，充分考虑到系统的高可用、数据容灾等功能，采用分布式架构开发；同时基于鲲鹏云服务和华为云对象存储服务进行深度定制，实现高并发，满足大型教学管理需求。开发完成后，以两地三中心容灾的架构进行部署，保证系统的可靠性、稳定性、安全性，通过华为云CPTS云性能测试服务进行压力测试，在数十万次连续请求下，得益于鲲鹏云服务器的强大性能，依然能提供稳定服务。  “GsEdu”付费模式多样化，其课程支持单独购买/视频单独购买/全站会员三种收费模式，以促进消费；支持主流支付方式，如：支付宝、微信支付。   评委表示教工食堂队的队员们在本次训练营和大赛中表现出新一代大学生积极向上的面貌，考试成绩甚至超过大多数企业队伍。同时也展现了优秀的鲲鹏云平台实践能力，设计的作品质量高且在产品变现方面作出了有实际意义的考虑，具有商业价值。而这些优秀的高校学生，在不久的未来都会是鲲鹏发展生态不可缺少的中坚力量。特此颁发【鲲鹏未来星】一奖激励高校学生继续秉持优良作风，再接再厉！  至此，“2020中国（深圳）数字经济产业·鲲鹏创新大赛”圆满收官，让我们期待下一次更精彩的赛事！

描述“华为云杯”2021人工智能应用创新大赛·创客赛道竞赛数据集，大赛链接：https://competition.huaweicloud.com/information/1000041388/circumstance详细数据说明见上文链接。

 数据“洪流”驱动的自动驾驶1自动驾驶汽车的兴起汽车伴随着工业革命而生，也随着工业革命而升级。第一次工业革命（蒸汽技术革命），出现了蒸汽机使汽车开始诞生。第二次工业革命（电力技术革命）使车辆能够能进行流水线生产，使车辆走入千家万户。第三次工业革命（计算机及信息技术革命），汽车具备一定辅助驾驶能力，而第四次工业革命，汽车甚至最终走向完全的自动驾驶。从工业4.0的概念提出以来，智能汽车的技术层出不穷，而自动驾驶更是成为当前最炙手可热的领域。这智能汽车技术的角逐中，无论是传统车企还是手握大量人工智能技术的互联网公司，都将自动驾驶视为汽车产业的巨大机会，甚至决定企业的未来命运。 汽车的发展之路  自动驾驶等级表第零级完全纯人工操作最考验驾驶员技术的时期第一级辅助驾驶阶段车道保持，定向巡航，ACC自适应巡航和EXP第二级半自动化的阶段简单场景自动驾驶，当场景复杂，人工接管第三级有条件的自动驾驶阶段通常情况自动驾驶，特定场景下人工驾驶第四级高级别的自动驾驶驾驶达到甚至超过人类的水平，需监控系统第五级完全自主的自动驾驶无需人工干预 2自动驾驶汽车数据的产生有人说，只要给自动驾驶系统一张图像，它就能反馈方向盘转多少角度。正如人类走路要首先看路。自动驾驶的第一个环节就是“看路”，也就是路况感知，车辆和环境交互的纽带，自动驾驶好不好，首先取决于感知系统，做的好不好。智能车辆的感知系统来源于车辆上装备的多种多样的传感器，摄像头，超声波雷达，毫米波雷达，激光雷达，卫星定位系统，声呐等。这些正是智能车辆眼观四面，耳听八方的秘技。目前主流的自动驾驶环境感知方案主要为视觉主导和激光雷达主导这两种，两种的方案的区别在于主导传感器的选取搭配，以及围绕传感器产生的识别技术。如今，超声波雷达、摄像头和雷达系统都已经配备在了自动驾驶L1和L2的汽车上，成为了辅助驾驶系统的数据基石。随着汽车自动驾驶程度的提高，汽车需要对周围的人，车，路等有细致的感知，而这些都依赖各种传感器一刻不停的收集数据。那么一辆自动驾驶的汽车会产生多少数据呢？以目前的信息采集车为例，在路测过程中每秒就会产生720MB的数据，相当于3部电影大小。因此，未来自动驾驶普及，道路上上行驶的不仅是车辆，更是数据的“洪流”。 自动驾驶数据采集示意图3自动驾驶汽车数据的存储那么如此巨大的数据要如何存储呢？目前的数据据存储方案有两种，一种集中式存储，另一种就是分布式存储。在各种自动驾驶的未来技术方案中，自动驾驶一般都选择分布存储式进行数据存储。那为什么不选择传统的集中式存储呢？为了清楚的解释这个问题，可以把存储设备比喻成车，数据比喻成货物。那么传统的集中式存储就好比具有单一动力的车，数据量超过一定值的时候，数据只能换更大的设备承载。而分布式存储就是好比一个车队，一个车队能任意增加或减少一辆，而不影响其他设备。分布式存储有一个个节点构成，每一个节点既能计算也能存储，任意扩展，能力无敌强大。以华为的FusionStorage智能分布式存储系统为例，支持多种数据协议的存储，轻松应对各种传感器的数据输入出格式。数据从汇集、分析、应用以及归档，可以在一个节点上一站式完成，无需复杂的数据导入导出，在保证单体功能强大。强大的资源池化能力，将设备的各种资源统一管理，让采购和部署过程节省了集成、调试、安装时间。在升级的时候并不需要业务中断进行数据迁移，软件升级、硬件替换业务无感，减少了专业维护的难度，节省了后期运维的巨额成本。强大的资源池化能力让采购和部署过程节省了集成、调试、安装时间。新一代的分布式存储，基于AI重定义存储架构，致力于打造海量多样性的数据底座，帮助用户从容应对数据洪流。有了它，自动驾驶普及带来的车联网数据节点数据爆炸增长、容量需求急速扩充，都没有压力。新一代的分布式存储系统，按需扩展、弹性可变。 集中式与分布式存储的区别4自动驾驶汽车数据的计算如何使自动驾驶汽车能够实时处理如此海量的数据，并在提出的信息的基础上，得出合乎逻辑且形成安全驾驶行为的决策？4.1车路人协同--车联网自动驾驶等级的提高需要越来越多的存储及运算，用以分析车辆周边人、车、道路等。有限的车辆空间上解决巨大的数据存储及运算的问题。同时，由于自动驾驶最终需要走向商用，走向千家万户，成本必须要足够低。这些形成了新的挑战，即怎样在成本足够低的情况下满足这些计算需求。为了解决个挑战，专家们提出了车联网来解决。车联网就是以车内设备之间的车内网，车与车之间组成的车际网，车与互联网相连的车载互联网为基础，按照统一的协议，实现人、车、路、云之间互联数据互通，并最终实现智能交通、智能汽车、智能驾驶和车辆智能化控制的一体化网络。更进一步说，就是车到万物（vehicle to everything，V2X），X代表基础设施、车辆、人、路等，与交通相关的一切数据都将汇集在一起处理。车联网中，车辆能互通通信相互协调保持一定的距离，车辆能够与信号灯直接通行获取交通信号，与摄像头设备互联获取更多路况信息，与互联网相连通信获取天气，交通事故等信息。总而言之，就是实时路况、道路信息、行人信息等一系列交通信息，提高自动驾驶安全性、减少拥堵、提高交通效率。车联网畅享图车联网技术需要实现车与车之间的通信和车与“路”的通信。其中路边通信单元（road side units，RSU）是车联网中部署在路边进行辅助通信的设施，它与互联网直接相连，并且可以与车辆进行无线通信，可以作为数据的中转站，让数据转向快车道传输。相比车载通信设备，RSU具有更好的通信能力保证数据的完整传输、传输的更远和更快的传输速度，而且可以同时与多辆车辆进行通信。此外，RSU还有较大的存储空间，可以存储信息，数据传输刚出门就到了，因此传输效率极大的提高。4.2边缘计算车辆网中增强现实，语音识别，图像处理等都需要密集的计算，而车载设备无法承担如此巨大的计算，传统应对巨大计算量的方式是采用云计算。传统的云计算在车联网环境下，时间延迟明显而且连接不稳定，而且高速行驶的汽车等不及云计算漫长的传输链，所以数据需要就近处理。专家们设计了边缘计算平台正是为解决就近计算这个问题。边缘计算是指靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台。边缘计算指的是在网络的边缘来处理数据。车联网中的边缘计算，可在构建在遍布全国中国运营商的信号基站上，也可以对靠近车辆的移动通信设备，如基站、路边通信单元等设备进行升级改造，使之成为计算节点。就可不同数据源头的数据优先在最近的计算节点进行处理，完成数据加密、数据交互甚至决策。就可以实现车联网的边缘计算。在中国联通的车网联测试中，将路边基站进行改造，目前，大约每三个基站形成一个边缘计算的节点，实现车与路边的通信，未来随着需求，边缘计算的节点甚至可以做到一个基站一个节点。                     边缘计算示意图边缘计算的应用，有效的应对了自动驾驶时延敏感的问题，在本车或附近计算节点完成决策，避免网络传输时延；同时提升应用可靠性，在网络发生故障时，仍可保证基本功能的可用。车联网的边缘计算，将能够保证保障自动驾驶在较低成本下获得巨大的计算量，让各种数据能够及时处理，从中提出完整有效的信息，形成安全驾驶的决策。5自动驾驶的应用随着自动驾驶的等级越来越高，自动驾驶的普及将会彻底的改变人们的生活。自动驾驶的存在将将解放所有的司机，将人的不确定因素移除交通场景，取而代之的是人工智能的确定性。自动驾驶的应用展望自动驾驶将在车联网的协同下，不知疲惫的运行，精确高效理性的判断所有的交通情况。这将大幅降低交通拥堵，减少交通事故，使交通更加顺畅。自动驾驶的普及，解放了驾驶员，车辆空间将变成休闲娱乐的地方，出行将是一种休息而不再是精力得消耗。自动驾驶将改变各行各业，交通出行，物流仓储，智能医疗，智能农业，建筑行业等都将因为自动驾驶的加入，而更加的方便，获得更大的发展。总而言之，自动驾驶将改变生活的方方面面，让社会发生翻天覆地的变化。参考文献《国家车联网产业标准体系建设指南》汇聚海量数据，打造智慧出行新体验

描述1、数据简介本数据集为无人车挑战杯大赛供参赛选手使用的训练集，包含红灯、绿灯、黄灯、人行横道、限速标志、解除限速标志六种类型图片。2、使用方法a、下载本数据集，下载方式选择“ModelArts数据集”。b、下载完成后（下载需等待一定时间），在ModelArts数据管理打开此数据集，然后按照如下标签完成数据集标注：红灯：red_stop绿灯：green_go黄灯：yellow_back人行横道：pedestrian_crossing限速标志：speed_limited解除限速标志：speed_unlimited

https://competition.huaweicloud.com/information/1000041322/circumstance数据说明本次比赛数据集来源于北京二号卫星，分辨率为0.8米，分为训练集和测试集2个数据集，分别包含3景遥感影像，其中训练集2景影像的尺寸分别为40391×33106、34612×29810。参赛者可自行将训练集切分为小图，并划分为训练集和验证集以用于模型调优。点击此处下载数据集data.zip。data.zip解压后目录结构说明如下：目录名说明182.png第一张遥感影像182_label.png第一张遥感影像的标签数据382.png第二张遥感影像382_label.png第二张遥感影像的标签数据