竞赛推荐 | ChinaMM2019 竞赛-1:水下图像增强

2019 年 5 月 7 日 极市平台

极市正在推出CVPR2019的专题直播分享会邀请CVPR2019的论文作者进行线上直播,分享优秀的科研工作和技术干货,也欢迎各位小伙伴自荐或推荐优秀的CVPR论文作者到极市进行技术分享~

本周四(5月9日)晚,中科院自动化所模式识别国家重点实验室的张志鹏,将为我们分享

基于siamese网络的单目标跟踪CVPR2019 Oral),公众号回复“41”即可获取直播详情。


来源 | CCF多媒体专委会

参赛方式

参与竞赛人员请将下列信息发送邮件至:chinamm2019uw@163.com。
队伍名称、队员(每位队员的真实姓名、单位、电子邮箱)、联系手机号。每人仅限参加一支队伍,不可重复参加。


竞赛简介

水下图像是海洋信息的重要载体,通过水下相机和水下机器人等方式采集到的水下图像,因水下复杂的成像环境以及光照条件导致目前水下图像常出现对比度低、纹理模糊、颜色失真、光照不均匀和可视范围有限等图像质量退化问题。水下图像增强算法则是指针对水下成像系统拍摄得到的低质量图像进行恢复和增强的方法,改善图像的视觉效果。


近年来,水下图像增强算法在计算机视觉和图像处理中得到了广泛应用,国内外也有众多的学者研究这一课题并取得了相应的进展。然而,现有水下图像增强算法一般会造成图像信息损失,难以平衡图片对比度和饱和度间的关系。近年来,有许多学者提出基于深度学习的水下图像增强算法,但是依然无法满足实际应用的需求。如何在能够在保证对水下图像信息还原的同时有效解决颜色偏差以及细节模糊等问题,是水下图像增强的一个主要挑战。


此项竞赛旨在吸引国内多媒体/计算机视觉领域的研究人员,衷心希望学术界和工业界的研究人员踊跃参加,旨在推动人工智能发展以及水下机器人技术进步,架起学术界与工业界之间的沟通桥梁,促进图像增强与复原相关理论、技术及应用的发展,提升相关研究水平。


更多信息请参阅竞赛网站:https://leslli.github.io/chinaMM2019uw


竞赛描述

训练:提供水下图像训练集,但不限定训练集;

验证:提供水下图像验证集;

测试:测试集不会公开发布,但与验证集性质相似;

环境:不限定测试环境;

评测:鉴于合成数据与真实图像差异较大,本次竞赛中所有图像数据均为真实采集的水下图像数据,竞赛结果以task-driven metric作为评审依据[1]。参赛方需提交代码和图像增强结果,由组织方测试代码并得到最终的处理效果,排名靠前者为优胜,所有评测结果均在网上及时发布。


[1] Risheng Liu, Xin fan, Ming Zhu, Minjun Hou, and Zhongxuan Luo.Real-world Underwater Enhancement: Challenges,Benchmarks, and Solutions.https://arxiv.org/pdf/1901.05320.pdf


竞赛数据

竞赛训练及验证数据集

链接: https://pan.baidu.com/s/1XpXJo7H5NXYvq0aQUJ_wzw

提取码: 6qci


日程安排


竞赛组委会


竞赛主席 

姜育刚:复旦大学,ygj@fudan.edu.cn 

梅涛:京东AI研究院,tmei@live.com

更多会议安排请参阅ChinaMM2019网站:http://mm.ccf.org.cn/chinamm/2019







*延伸阅读



点击左下角阅读原文”,即可申请加入极市目标跟踪、目标检测、工业检测、人脸方向、视觉竞赛等技术交流群,更有每月大咖直播分享、真实项目需求对接、干货资讯汇总,行业技术交流,一起来让思想之光照的更远吧~



觉得有用麻烦给个好看啦~  

登录查看更多
13

相关内容

【CVPR 2020-商汤】8比特数值也能训练卷积神经网络模型
专知会员服务
25+阅读 · 2020年5月7日
基于视觉的三维重建关键技术研究综述
专知会员服务
154+阅读 · 2020年5月1日
基于深度学习的多标签生成研究进展
专知会员服务
140+阅读 · 2020年4月25日
【ICIP2019教程-NVIDIA】图像到图像转换,附7份PPT下载
专知会员服务
53+阅读 · 2019年11月20日
 图像内容自动描述技术综述
专知会员服务
84+阅读 · 2019年11月17日
零样本图像分类综述 : 十年进展
专知会员服务
122+阅读 · 2019年11月16日
计算机视觉最佳实践、代码示例和相关文档
专知会员服务
17+阅读 · 2019年10月9日
【紫冬快讯】夺冠!自动化所团队拔得CVPR2019 UG2+人脸识别竞赛头筹
中国科学院自动化研究所
9+阅读 · 2019年6月22日
无参考图像质量评价研究进展综述
人工智能前沿讲习班
46+阅读 · 2019年2月15日
竞赛推荐 | 奖金池20万:钢筋数量AI识别比赛
极市平台
3+阅读 · 2019年1月12日
图像美学质量评价技术发展趋势
科技导报
18+阅读 · 2018年6月25日
Generating Fact Checking Explanations
Arxiv
9+阅读 · 2020年4月13日
Arxiv
8+阅读 · 2019年5月20日
Arxiv
4+阅读 · 2018年2月13日
VIP会员
相关VIP内容
【CVPR 2020-商汤】8比特数值也能训练卷积神经网络模型
专知会员服务
25+阅读 · 2020年5月7日
基于视觉的三维重建关键技术研究综述
专知会员服务
154+阅读 · 2020年5月1日
基于深度学习的多标签生成研究进展
专知会员服务
140+阅读 · 2020年4月25日
【ICIP2019教程-NVIDIA】图像到图像转换,附7份PPT下载
专知会员服务
53+阅读 · 2019年11月20日
 图像内容自动描述技术综述
专知会员服务
84+阅读 · 2019年11月17日
零样本图像分类综述 : 十年进展
专知会员服务
122+阅读 · 2019年11月16日
计算机视觉最佳实践、代码示例和相关文档
专知会员服务
17+阅读 · 2019年10月9日
相关资讯
Top
微信扫码咨询专知VIP会员