第一比赛阶段:2017 年 12 月 28 日 0:00:00--2018 年 2 月 4 日 23:59:59
此阶段中,K-Lab 使用百度云计算优化型 CPU,4 核 8GB 内存。K-Lab 单次运行时长为 3 小时。
任务:
训练:使用已抽取的约 10% 的视频数据训练集(共 124 个视频),学习视频帧的图片特征序列数据,在 K-Lab 中训练精彩片段检测模型。
验证:使用验证集的数据与开放的测评脚本 K-Lab,评价训练好的模型在验证集视频上的预测结果。
输出结果:对测试集中的视频使用训练好的模型,得出预测结果,通过 K-Lab 上传结果到测评系统得到评价分数。
2018 年 1 月 14 日 23:59:59,第一比赛阶段中期截止,分数排名第一的队伍获得鼓励奖。
2018 年 1 月 15 日 0:00:00 起,用户通过 K-Lab 上传结果的同时也需上传 K-Lab notebook 报告。
2018 年 2 月 4 日 23:59:59,第一比赛阶段截止,且报名截止。选拔使用了 PaddlePaddle 训练模型且上传了 K-Lab notebook 报告的队伍中,分数前 50 名的队伍晋级到第二比赛阶段。
第二比赛阶段:2018 年 2 月 9 日 0:00:00--2018 年 3 月 15 日 23:59:59
此阶段中,K-Lab 的配置为 GPU(百度免费提供的英伟达深度学习开发卡,CPU:6 核 40GB),单次运行时长为 3 小时。选手无需任何申请或安装,直接打开 K-Lab 在其中使用即可。
任务:
训练:选手必须使用 PaddlePaddle 训练模型,使用全量视频数据训练集(共 1262 个视频),学习视频帧的图片特征序列数据,在 K-Lab 中训练精彩片段检测模型。
验证:使用验证集的所有数据与开放的测评脚本 K-Lab,评价训练好的模型在验证集视频上的预测结果。
输出结果:对测试集中的所有视频使用训练好的模型,得出预测结果,通过 K-Lab 上传结果与 K-Lab notebook 报告到测评系统得到评价分数。
2018 年 2 月 25 日 23:59:59,第二比赛阶段中期截止,分数排名第一的队伍获得鼓励奖。
2018 年 3 月 15 日 23:59:59,第二比赛阶段截止,百度专家对分数排名前 10 名的队伍评审 K-Lab notebook 报告,评选出一名一等奖(5 万人民币),2 名二等奖(各 2 万人民币),3 名三等奖(各 3 千人民币)。
来源: https://www.cnblogs.com/charlotte77/p/8192571.html