NVIDIA 第八届 Sky Hackathon 报名开启！体验利用 Omniverse 挑战工厂传送带上的纸箱检测任务

Sky Hackathon 由 NVIDIA 发起并主办，项目旨在帮助在校学生、深度学习开发者在 NVIDIA Jetson 边缘高性能计算产品上部署和优化人工智能应用，本次大赛由 NVIDIA 和湖南创乐博智能科技有限公司（以下简称创乐博）联合举办，将与大家一起探索如何使用计算机合成数据技术来解决实际问题。

想象一下，当需要为某个工厂的生产车间构建一个基于视觉的目标检测应用时，传统方法需要花费大量时间采集数据样本，而且当工厂车间的布局发生变化时，开发人员需重新采集大量数据，整个过程非常耗时、耗力，且对于数据的质量和准确性有很高的要求。现在开发人员可利用 NVIDIA Omniverse Replicator，在虚拟世界中通过生成合成数据来补充训练数据集。

NVIDIA Omniverse Replicator 是一组可扩展的 API，使开发者能够生成与真实世界一样准确的训练数据，并轻松自定义合成数据生成（SDG）来加速计算机视觉模型的训练。

在 Omniverse 的虚拟世界中，开发人员可以随意更改环境光线、运动轨迹、物体纹理、摄像头角度等参数，以创造出各种不同的场景和情况。此外，其还可以自定义生成数据标注的内容和格式，而无需再为适配多种框架而担心。

利用 NVIDIA Omniverse，开发人员可以在虚拟工厂中合成各种训练数据，而不必再花费大量时间和精力采集数据样本。当真实环境发生变化时，只需要调整虚拟工厂的布局参数，而不必在真实场景中重新采集大量数据，从而更加高效地训练计算机视觉模型，为工业生产提供更加精准、高效的解决方案。

比赛主题

本次活动以 “工厂车间传送带上的纸箱检测” 为主题, 包含四个过程：

数据合成

每组队伍自行分工, 利用 Omniverse Replicator 合成训练数据（NVIDIA 会提供虚拟场景所需 3D 模型，各组也可以自行建模）。

模型训练

每组参赛队伍需要根据组委会提供的教程，在自己的服务器上搭建环境，训练目标检测模型。

模型推理

参赛队伍最终将训练好的模型部署在组委会提供的 Jetson Xavier NX 集群上，利用 TensorRT 加速模型的推理过程。

UI 页面搭建

每组队伍可以根据组委会提供的教程自行搭建用户交互系统，可以自行设计风格和定义额外功能。

上下滑动查看详情

比赛体验

通过本次活动, 学生将会实际体验到：

• 基于目标识别的深度学习模型的训练过程
  

• 利用 OmniverseReplicator 合成训练数据

• 利用 NVIDIA TAO 对模型进行剪枝等优化过程

• 利用 NVIDIA TensorRT 对训练好的模型进行部署

• 利用 Jetson Xavier NX 进行实际场景实验

• 深度学习数据集的合成、收集、筛选、清理和标注过程

• 基于 Flask web 框架创建完整的应用系统

• 与 NVIDIA 专家分享经验和见解，交流学习心得

• 与团队合作完成挑战，有机会获得奖项和荣誉

上下滑动查看详情

比赛形式和硬件要求

本届 SkyHackathon 大赛为线上活动，组委会将提供比赛用的推理平台，参赛队伍可以在线访问。此外，每个团队需要自备训练用 GPU 设备，设备要求如下：

1. 由于本次大赛需要使用 NVIDIA Omniverse 工具包，因此对 GPU 卡要求的一般建议

• 需要支持 NVIDIA RTX 技术的显卡。具体来说，您需要使用 NVIDIA Turing 或更高版本的显卡，如 RTX 2080 Ti、RTX 3080 或 RTX A6000 等。

• 至少拥有 8GB 显存，建议使用 16GB 或以上显存，以确保足够的存储容量来处理复杂的场景和模型。
  

• 支持 CUDA 11 或以上的版本。

2.GPU 云平台只能用于模型训练，不能用于数据合成

上下滑动查看详情

赛事安排

5 月 8 日 - 5 月 12 日

报名阶段

5 月 14 日

第一次 AI 训练营

5 月 27 日

第二次 AI 训练营

6 月 2 日 - 6 月 4 日

线上测试及比赛

6 月 5 日

公布结果

复制链接至浏览器查看详细日程安排：

https://devforum.nvidia.cn/forum.php?mod=viewthreadtid=12873extra=page%3D1

参赛推理平台

• 硬件平台：NVIDIA Jetson Xavier NX（8G Memory）

• 操作系统：Ubuntu 18.04 L4T 64 位元桌面版

• 开发环境：CUDA 10.2、CUDNN8.2、TensorRT8.0、OpenCV4.1.1

• 教学环境：Jupyter Lab 2.2

评分标准及计算

评分项

目标检测推理精度评估

将最终提交的模型在 Jetson NX 节点上进行部署，在 Jetson NX 上对图片中的纸箱进行检测，根据组委会提供的统一测试数据集进行推理并计算 mAP 精度部分。

目标检测模型推理速度评估

将最终提交的模型在 Jetson NX 节点上进行部署，在 Jetson NX 上对纸箱进行检测分类。根据组委会提供的统一视频进行推理, 并计算推理速度 FPS。

系统页面完整性和创新性

最终提交的系统需要有一个用户界面，完成完整的用户界面并能顺利操作才能得到最终的得分 20分。

额外加分项

• 目标检测部分（修改 resnet18，isOthermodel 加 3 分，修改 ssd ，isOthermodel 加 5 分，如：利用 ssd-mobilenet 则加 3 分，利用 yolo-resnet18 加 5 分）；

• 用户界面创新性：如果能够在用户界面中增加新的功能或者作出有特色的美化和优化，那么可以额外为 UI 加 5 分；

• 场景搭建的创新性：如果能够自行搭建新的 3D 模型，那么可以额外加 5 分；

上下滑动查看详情

最终成绩通过以上前 3 项分数的排名和第 4 项额外加分项获得

• 视觉精度排名：rankMAP

• 视觉速度排名：rankFPS

• 系统用户界面：rankUI

• 视觉额外模型：cvOtherModel（最高加 5 分）

• UI 美化创新：UI（最高加 5 分）

• 创新 3D 模型：model

• 参加的全部队伍数量：teams

上下滑动查看详情

最终成绩

FinalScore = 100 - (rankMAP -1)*40/teams - (rankFPS -1)*40/teams - (rankUI -1)*20/teams + cvOtherModel +UI+model，分数最高者为胜出团队。

本次比赛前 3 名队伍将各获得 NVIDIA Jetson Orin NANO 开发套件一个；4-20 名队伍各获得 Jetson NANO 开发套件一个；完成比赛的队员均可获得完赛纪念品。

（本次大赛中的所有奖品及纪念品由创乐博赞助）

组队和报名详情

Sky Hackathons 目前针对高校学生，当然有兴趣参与的高中学生也欢迎。一般不需要有 GPU 编程经验，但是最好有一定 Python 和编程基础；对深度学习、神经网络有一定理论基础；大赛预计招募 50 个队伍。此次活动采用导师制，所以每个参赛队伍都需要有一名指导老师。导师需要能够敦促参赛团队完成两次在线 AI 训练营的学习，以及最后的比赛。能给予团队成员一定的技术指导。

黑客精神就是团队合作，每队需要选出一名队长，作为主要代表及联络人，以负责获奖时奖品的领取。

所有团队成员应单独报名，并填写团队名称以及导师名字。每队限 3-5 人（不含导师）。如果报名团队多于 5 人或者少于 3 人，我们将视为团队无效。

点击“阅读原文”或扫描下方二维码即可报名参赛！