參加人數
展盟展覽有限公司於 2003 年成立，積極與政府機構、公協學會及民間業者合作並主辦綠色環保科技相關之專業性展覽，如台灣國際綠色產業展、台灣水科技展；承辦國際醫學會議、政府會議之周邊展覽業務，如 2018 台北金融科技展(資策會)、2018 綠能尖端產品展(中央研究院)、2017 世界資訊科技大會(資策會)、2016 亞太眼科學術會議(眼科醫學會)；近年亦針對消費大眾主辦馬拉松運動博覽會。
成功的展覽活動，需要各方人力與時間的投入，場地規劃、展務工作、招商作業等細節相同重要，同時也能依據客戶之需求，提出最客製化、最優質之創意。展盟展覽具備豐富之國際展會籌備經驗，擁有最佳之專業團隊，重視每一活動的執行細節，以「創造優質活動」為原則，全力以赴、專業分工、充分溝通、精準掌控成本與時間，創造活動最大效益。
工研院巨量資訊科技中心為國內第一個以推動巨量資料技術與產業為任務的科技研發中心，透過建立智慧分析技術，協助資訊軟體業建立知識經濟核心能力；並切入智慧分析應用，協助相關產業提昇生產力、創造新商機。巨量資訊科技中心針對跨領域的需求，提供產業所需的智慧分析與機器學習演算法等核心技術，建構AI人工智慧、巨量資料分析應用所需之運算平台，以AI人工智慧與巨量資料之創新應用情境來進行服務設計與商業模式，提供全方位的AI人工智慧與巨量資料解決方案。
1. 本議題重新開放報名，點選右方報名鈕即可。 2. 因運算資源有限，報名人數設有上限，額滿後關閉報名功能。 3. 提供Dockerfile，連結：https://reurl.cc/mdaj8j 。 4. 可至上述連結下載範例檔，檔名為pytorch-retinanet.zip 。 5. 上傳檔案需小於100MB。 6. 上傳即可獲得上傳禮，數量有限，送完為止。
本議題為 2018 年於台北世貿中心連續舉辦三天的馬拉松運動博覽會，資料來自於裝設在展場出入口的攝影機擷取出約 38,000 張影像。利用機器學習的物件偵測技術，快速判斷影像中出現的參訪者位置及性別（男生、女生、其他 [註]），藉以初步分析來訪人群的性別比例。透過這些影像判別歸納的資訊，了解該類型展覽性別分布狀況。
實際應用可結合其他資料，如手機資訊等，進一步分析參訪群眾在展覽中的行為偏好。提供活動主辦單位在動線安排、攤位設置上的規畫參考，承租攤位的商家可針對群眾喜好設計攤位及活動。
此議題採取新的競賽模式：參賽者將分析程式上傳至 AIdea 平台後，由平台代理執行；所需要分析的資料只保留在平台上，即在不釋出原始資料的情況下，進行競賽。
此競賽模式是為了保護具機敏性的原始資料，不直接於平台釋出資料，而是讓上傳至平台的分析程式進行讀取。參賽者可先下載容器影像檔（container image），並在 container 的環境中，利用範例資料開發分析程式，同時確保開發程式的正確性與相容性。
註：
性別中的「其他」類別，指的是無法利用視覺來辨別為男生或是女生，如兒童、嬰兒等。
【遠端執行環境說明】
【上傳程式處理】
會員上傳的程式執行完畢即刻刪除，不會保留於平台，平台不複製、轉傳或應用於他目的，請參賽者放心。
【報名方式】
3/25起重新開放報名，於頁面右方點選報名鈕即可。 因運算資源有限，報名人數設有上限。 報名人數額滿後，不再開放報名。
【參賽者進行方式】
在 Private Leaderboard 超過 baseline（mAP > 0.50）的前三名，將頒發以下獎項：
第一名：hicloud 15 萬點優惠點數 + 5 萬元獎金（含稅）
第二名：hicloud 10 萬點優惠點數
第三名：hicloud 5 萬點優惠點數
佳作：hicloud 5 萬點優惠點數 (數名，視最終結果決定)
上傳禮：只要上傳成果，就可以獲得上傳禮一份。一個帳號贈送一個 AIdea 特製杯墊，數量有限，送完為止（一個帳號限領一份上傳禮）。
※ 敬請報名者協助測試平台解題順暢度等相關運作狀況，歡迎於討論區或來信至管理員信箱回饋問題（討論區優先），回饋意見最多且最有價值者，將可獲選佳作獎項。
hicloud 點數由中華電信提供
備註 1：hicloud 優惠點數可折抵服務費用，折抵完後自動開始依牌價 7 折計費。
備註 2：中華電信保有資格審核、優惠內容修改與中止權利。
點數試算範例請參考：https://aidea-web.tw/computing
議題進行時間以臺灣時間（UTC+8 小時）為主，其時程如下：
| 時間 | 事件 |
|---|---|
| 2019/12/25 | 議題開始 |
| 2020/01/15 | 公佈範例影像、訓練集、測試集資訊 |
| 2020/02/19 | 開放上傳 |
| 2020/04/29 | 議題結束 |
本議題資料評估指標採用 mean Average Precision（mAP）[1] 於 Intersection over Union（IoU）[2] threshold 為 0.5。根據預測物件框與標註物件框 IoU 大於 0.5 時為 True Positive（TP），反之為 False Positive（FP），藉此得到 Precision。因此系統針對每一個物件評估其 AP 分數，再將性別的三類 AP 進行平均計算，得到 mAP 評估數值，參賽者按照此指標進行排名。本系統計算 mAP 評估數值採用 COCO API [3]。
Reference
[1] Average Precision (AP):
https://en.wikipedia.org/wiki/Evaluation_measures_(information_retrieval)#Average_precision
[2] intersection over union (IoU):
https://en.wikipedia.org/wiki/Jaccard_index
[3] COCO API:
https://github.com/cocodataset/cocoapi
