器集群產(chǎn)品圖..png)
器產(chǎn)品圖.png)
器產(chǎn)品圖.png)
器產(chǎn)品圖.png)
器產(chǎn)品圖1-8080.png)
品主圖.png)
2022社會(huì )計算創(chuàng )新大賽圓滿(mǎn)結束｜TPU編程競賽新生態(tài)
8月11-13日，CA深度學(xué)習第七屆全國大數據與社會(huì )計算學(xué)術(shù)會(huì )議（BDSC2022）在杭州成功舉辦。
“社會(huì )計算創(chuàng )新大賽”決賽作為會(huì )議的一個(gè)關(guān)鍵環(huán)節也在同期舉行，算能作為大賽贊助方，為參賽選手準備了邊緣深度學(xué)習微服務(wù)器SE5作為算力支持，同時(shí)還提供了賽前培訓和邊緣計算落地案例和代碼講解，幫助選手了解邊緣計算部署的詳細過(guò)程。
本次決賽以Hackthon（總時(shí)長(cháng)36個(gè)小時(shí)）的方式進(jìn)行，決賽共設置了兩個(gè)賽道，其中一個(gè)賽道“指定視頻的人數統計”由算能提供。人數統計目前廣泛應用于有關(guān)人數監控的場(chǎng)景，可以實(shí)現區域人流監控，異常報警等功能。
具體任務(wù)：
A、學(xué)生根據參考資料完成目標檢測算法在算能SE5微服務(wù)器上的部署，有余力的參賽學(xué)生可以自行優(yōu)化模型；
B、學(xué)生需自行設計程序用于統計給定視頻中的人數。該程序首先必須在SE5上運行，其次必須具備輸入接口（調用該接口能夠輸入一個(gè)mp4文件），最后返回該視頻中出現的總人數（備注：重復出現的人數只算一次）。
計分方式：
得分 = （1- 人數差/總人數）*100 + 附加分；
附加分為：如果使用量化，則+10分；
人數差等于預測人數減去實(shí)際人數的結果的絕對值。
主辦方提供了賽項相關(guān)模型和數據，參賽團隊采用小組合作的形式完成賽項任務(wù)，經(jīng)過(guò)兩天的激烈角逐，算能賽道最終產(chǎn)生了1支優(yōu)勝獎隊伍和4支優(yōu)秀獎隊伍。
整體來(lái)看，參賽選手都是循著(zhù)Detection+Track的思路在做，以輕量化YOLOv5為基礎模型進(jìn)行目標檢測，并借助算能一站式SDK完成模型轉換、量化，主要的差異點(diǎn)是設計不同的Track策略。
來(lái)自蘭州大學(xué)的“馬路殺手”隊，通過(guò)賽前的培訓快速熟悉了算能的TPU算力設備SE5，在緊張激烈的比賽中還進(jìn)行了多輪對比實(shí)驗，并逐步優(yōu)化Track算法，方案設計十分具有代表性。
首先，將視頻MP4逐幀進(jìn)行目標檢測，得到檢測后的結果以及人數，對目標檢測結果進(jìn)行數據分析，如根據變化量計算人數的變動(dòng)，因為有些畫(huà)面人群密度大，目標檢測識別精度低，逐幀檢測數據波動(dòng)頻繁，無(wú)法對目標軌跡進(jìn)行追蹤，結果不是很理想。
接著(zhù)引入跟蹤策略，記錄目標檢測后方框的中心位置，根據相鄰兩幀出現的新的中心與原來(lái)中心計算距離進(jìn)行追蹤，自定義了跟蹤規則，但是人流軌跡復雜、相鄰兩幀容易缺乏時(shí)序連續性，結果欠佳。
繼續改進(jìn)追蹤策略，引入Track or New，存儲出現過(guò)的所有中心，將每一幀中出現的中心與原有中心進(jìn)行距離比較，以判別是新的目標還是原有目標的移動(dòng)；加入延遲消失，避免有若干幀未檢測到該目標；最后又添加了消失找回（Track or Remove），實(shí)現刪除的目標在更大范圍內重新尋找軌跡，應對目標消失后又重新出現的情形。
通過(guò)調整優(yōu)化Track or Remove和Track or New的參數，最終以98%的準確率拔得頭籌。
視頻人數統計在公共安全、空間規劃和商業(yè)管理等多個(gè)領(lǐng)域具有重要的應用價(jià)值，算能也將繼續為高校、深度學(xué)習開(kāi)發(fā)者、企業(yè)合作伙伴搭建技術(shù)交流和人才培養的平臺，以賽促學(xué)，繁榮TPU編程競賽生態(tài)，推動(dòng)深度學(xué)習在邊緣場(chǎng)景的落地實(shí)踐。
?