{
  "fetched_at": "2026-10-19T06:39:46Z",
  "source_url": "https://www.kaggle.com/competitions/copy-course/data",
  "pages": [
    {
      "name": "data-description",
      "content": "## 数据集\n空地协同城市交通场景数据集包含15999张train，3984张validation，1464张test，共21447张图片数据，可通过当前网页获取。\n\n数据采集于车端（ego）、路侧（infra）和无人机（uav）3个视角，9种天气光照场景：daytime_rainy、daytime_rainy_fog、daytime_sunny、daytime_sunny_fog、dusk_rainy、dusk_rainy_fog、dusk_sunny、dusk_sunny_fog、night。\n\n标注信息按天气场景存于csv文件，ID列为视角_图片文件名（例e_2409162329_01指自车ego视角的2409162329_01帧图片），Value列为该图片中所有目标的标注信息，分别为class，x_center（目标框中心位置的x坐标）/原图片宽度, y_center（目标框中心位置的y坐标）/原图片高度 ， width（目标框宽度）/原图片宽度, height（目标框高度）/原图片高度 。其中，坐标系设置参照YOLO标注格式，图像坐标系原点为图像左上角，x,y的正方向分别为向右和向下。\n",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Description",
      "content": "##1.时间安排\n1）2024年9月23日：任务发放&提交分组\n2）2024年10月7日：课程讨论\n3）2024年10月31日：提交截止\n\n##2.任务说明\n融合车端、路侧及无人机多视角数据实现目标检测的视觉感知任务。与传统自动驾驶检测任务相比，本任务需要解决车端、路端及无人机多视角信息融合、数据多模态融合、时空异步等挑战，通过设计空地协同感知算法，实现盲区补充、提升感知精度。\n**问题建模**\n任务输入：车端图像、路侧图像、无人机图像及标签文件。\n任务输出：场景目标类别、坐标以及标注框。\n##3.其他规则\n1）作品原创：提交作品必须保证原创性，不违反任何中华人民共和国的有关法律，不侵犯任何第三方知识产权或者其他权利；一经发现或经权利人提出并查证，组委会将取消其比赛成绩并进行严肃处理；同一作品不得重复提交赛题，一经查出视为作废。\n2）公平竞技：参赛者禁止在指定考核技术能力的范围外，利用规则漏洞或技术漏洞等不良途径提高成绩排名，禁止在比赛中抄袭他人作品、交换答案、使用多个小号，经发现将取消比赛成绩并严肃处理。",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Evaluation",
      "content": "目标检测精度(mAP)： 对标注类别car, pedestrian两种类别进行评价，计算边界框的尺寸、 位置和类别， 基于IoU=0.5阈值计算检测精度(Average Precision, AP) ，最终计算所有类别AP的平均值（mean Average Precision, mAP）；",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "rules",
      "content": "具体规则请遵守《智能交通协会创新挑战赛保密承诺书》",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "abstract",
      "content": "空地多源数据融合与协同感知技术近年来广受关注，但考虑到物理世界复杂高动态特性，融合感知算法仍面临信息匹配不准、融合效果不精、感知精度不高等瓶颈问题。参赛者需要针对空地场景机-车-设施智能体多源异构数据特点，充分考虑不同场景、光照、天气、视角等因素变化，设计相应的数据融合与协同感知方法，提升全场景、大范围目标识别的准确性和鲁棒性。",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}