一点资讯技术编程大赛，是由一点资讯公司校招组和技术委员会共同举办的技术大赛，面向所有对计算机编程感兴趣的在校学生，旨在为编程爱好者提供一个平台
一、赛制与时间流程
1、本次大赛以团队为单位进行比赛，参赛选手可自由组队，每队至多5人，每位选手只能参加一支队伍
2、参赛成员须为在校学生，不限于本科、研究生、博士生、高中生等
3、时间流程
- 报名时间：6月25日-7月20日
- 初赛答题时间：7月21日-8月20日
- 复赛答辩：8月31日（具体以通知为准）
点击链接即可报名！！👉https://tech.yidianzixun.com/competition/
二、大赛选题
本次大赛选题主要集中于CTR预估、视频编解码、图像算法方向。
1、CTR预估
（1）题目背景
点击率（Click-ThroughRate，简称CTR）预估是推荐算法的重要模块，通常用于在用户请求推荐系统时对内容进行排序，其结果直接影响产品的核心指标和用户的消费体验。在真实环境里，用户对某条内容是否产生点击行为的原因非常复杂，既包含内容本身的信息呈现和优质程度，又包含用户的基础属性（性别、年龄等）和个体偏好，甚至与当前所处的网络环境、地理位置也息息相关。如何抽取出这些复杂的诱因-并对其进行建模学习，精准预估出海量用户对不同内容的点击概率，一直是推荐算法的一个重要研究方向。
（2）题目任务
本次大赛提供抽样用户过去一段时间内在一点资讯APP上的真实曝光和点击记录，以及所涉及用户和文章的基础属性，参赛者需要基于这些数据进行分析和建模。同时，大赛提供这批用户之后一段时间的曝光文章列表，参赛者最终提交给系统每个用户在之后曝光文章上的点击概率预估值（0-1之间的浮点数）。系统根据点击概率预估值和用户真实点击情况的差异，来评估预估任务的准确程度。
本次大赛提供的数据将隐去能代表用户身份的所有信息，对部分必要的敏感信息也进行了加密处理。
（3）评分标准
大赛采用AUC值评估CTR预估任务的精准度，只考虑预测结果的相对顺序，消除指标分数对于阈值的依赖性。
2、视频编解码
（2）测试序列
- ***一点号短视频，测试集由50条序列组成，平均码率为13.6Mbps，中值为11.8Mbps，分辨率1080p。
- 数据集赛后才公布，赛前只提供测试样本，且只有部分在数据集中。
（3）编码速度要求
Slow-1080p@1fps,constant-qualityencodingmode(CRForother)
（4）以下硬件用于编码器测试（只提供型号，不提供测试机，c1-128，需要运维提供下可使用机型和数量）
- CPU:Intel(R)Xeon(R)CPUE5-2630v4@2.20GHz
- 内存：Linuxc2-v04-126-154-1153.10.0-957.el7.x86_6432GB
- 操作系统：CentOSLinuxrelease7.6.1810(Core)
（5）编码器要求
- 支持批处理-比特率和文件名必须可以从命令行分配
- 编码器应与参考解码器兼容
（6）评价指标
- 50个FullHD视频序列
- VMAF客观指标
（7）比较规则和方法论
- 请注意，我们将使用多核CPU进行编码，因此您可以使用多线程
- 使用参考解码器（H.264/AVC、H.265/HEVC）执行解码
- 我们不限制GOP大小
- 我们不限制编码次数，总编码时间满足用例速度要求即可
（8）开发人员可交付成果
- 编码器文件（最好是CLI可执行文件）
- 编码器预设
3、人脸关键点检测
（1）赛题背景
人脸关键点检测(Facial Landmark Detection)是指给定人脸图像，定位出人脸面部的一些关键位置，包括人脸轮廓及五官等。在计算机视觉领域中，人脸关键点检测技术有着重要的学术研究价值和商业应用前景，它是诸如自动人脸识别、表情分析、三维人脸重建和特效相机等其它人脸相关问题的先序步骤和突破口。本赛题以此为背景，目的是助力关键点检测方法的挖掘，充分推动人脸关键点检测技术的应用和发展。（图片为示意图）
（2）初赛需交付
初赛提交预测以CSV提交结果，CSV格式赛前给出，提交结果后根据提交的CSV以评测方案中的计算方法计算后打分，最终根据分数进行排名。
（3）评测方案
每个团队的提交将根据以下评估指标排名，评价指标为累积误差分布 (Cumulative Error Distribution, CED)曲线中的曲线下面积 (Area-Under-the-Curve，AUC) 进行评估。误差的计算方式使用归一化平均误差（Normalized Mean Error，NME）计算，计算方式为：
其中，N代表关键点数量，x为标签中的关键点坐标，y为相应的预测值，d = sqrt(width_bbox * height_bbox)，“width_bbox”和“height_bbox”分别是标签中矩形的宽度和高度。当NME值大于阈值α(阈值待定)时则预测失败。对应AUC的计算公式为：
除此之外，比赛对模型的计算复杂度及模型限制：计算复杂度最高为100MFLOPs，模型大小最大为2M。
三、指导与出题人
张斌，东北大学软件学院院长
国家重点研发计划项目首席科学家，主要研究方向为面向领域的大数据建模与分析场景驱动的深度学习方法、边缘智能技术及应用等。
黄雅平，北京交通大学教授、博士生导师
主要研究方向：计算机视觉
韦世奎，北京交通大学信息科学研究所副所长、教授、博士生导师
主要研究方向：跨媒体智能、计算机视觉和机器学习。
邬俊，北京交通大学副教授
Jay，一点资讯排序算法负责人
多年推荐算法从业经验。加入一点后搭建了基于超大规模稀疏参数的多任务排序模型，并主导落地了强化学习技术在推荐算法中的应用。擅长利用前沿的算法技术驱动业务指标和用户体验的提升。
LivenLi，一点资讯图像算法负责人
四、大赛奖励
1、团队奖：第一名50000元，第二名20000元，第三名10000元
2、所有参赛同学都可获得一点资讯校招绿色通道，可以免去笔试，直接参与面试，同时可以获得集团的文化大礼包！
3、决赛阶段以现场答辩会的形式进行，公司将承担参赛者来回交通、住宿和餐费
全部评论
(0) 回帖