參加人數 / 組
BIIC Lab，Behavioral Informatics and Interaction Computation Lab，人類行為訊息暨互動計算實驗室，成立於 2014 年，致力於提供一個開放、有趣、並令人興奮的研究環境，進行前瞻技術研究—推進人類行為科學及新興應用領域。本實驗室由李祈均副教授領軍，目前有 26 位碩博士生，含 1 位博士後研究員、13 位博士生，每年研究成果豐碩，並持續進行跨領域的合作與推廣。我們的核心價值為人本運算，Human-centered Computing，以人因 human-factors 為基礎，透過我們的核心技術及不同專業領域的知識，研究人類行為以瞭解人的內在狀態與特性，使專家能夠執行更精準、全面、規模化的決策分析。
BIIC Lab 的基礎及應用研究著重在「人類的行為訊號處理（Behavioral Signal Processing ）」，BSP 由 Prof. Shrikanth Narayanan 首創，是個橫跨行為科學與電資工程的研究領域。我們的核心技術包括語音辨識與合成、動作表情行為分析、情感個性互動運算、情緒多媒體生理模型、疾病診斷預測指標及腦造影資料分析。
前25% baseline 以上，有繳交報告的話也會有獎狀， 有上傳報告才有獎金噢，歡迎大家多多上傳！ －不良品baseline 63.2%
芒果不良品分類競賽報告範本已上傳，請參賽者至資料下載區下載
競賽即將於 2021/01/08 23:59:59 截止，屆時會關閉測試集的資料上傳答案功能，再煩請各位參賽者注意時間喔！
報名啦！哪次不報名！ 五所大學巡迴工作坊：https://forms.gle/6QAvxgXgmj2XnvXr5
你願意讓我們更了解你嗎？ https://forms.gle/RiiMnExQQotyePUi6
愛文芒果不良品分類競賽的 baseline 上傳囉！請至「資料」>「資料下載」查看。
針對許多參賽者反應此批資料影像模糊、標註一致性等情形，競賽主辦方 TechManGo 團隊在此說明： 一、本次競賽擬以模仿真實應用場域而設計，考量到芒果處理廠的人力、水果保鮮時間、現地設備等諸多限制，以中低成本之一般消費型相機／攝影機所能蒐集之大量資料庫之前提下，不能確保所有影像品質皆一致。此外，考量利用相機一張一張拍攝獲取資料的方式率低落，顯然不足以滿足未來自動智慧篩果機器所需，我們部分資料便利用攝影機錄影擷取芒果影像的方式，來模擬真實應用場域情境。藉由拍攝影片，我們預期蒐集的芒果照片將會有部分移動模糊 （Motion blur）、成像雜訊 （Sensor noise）以及光照變化（Luminance variant）等情況。模擬真實應用場域雖使競賽難度提升，但因標註者仍能以人工方式肉眼方式判斷並經兩階段檢驗其標籤正確性，我們期待模型仍有機會達到一定程度的準確率。 二、關於本次資料標註不一致之情形亦是真實應用場域會出現之問題，亦為本次競賽期望參賽者能克服的重點項目之一。除上述資料蒐集環境等因素，大數據，尤其是影像資料庫，經常會受到標記人員評量標準不一的影響，例如 [1] 就指出常見 ILSVRC （ImageNet subset ）就存在至少 10 筆標註錯誤問題。以競賽本質而言，希望參賽者是能參與大量與真實情境的資料訓練，因此提供所有有能力標記之資料（不一致之部分可視為noisy labeled case）。此一比賽結束後，會針對反饋在資料庫釋出前再進行一次資料清理，也歡迎各位多多向主辦單位反應。 本次較晚提供說明，使參賽者感到困惑，盼望不會造成困擾，也仍期待能夠在排行榜見到各位！ [1] Northcutt, Curtis G., Lu Jiang, and Isaac L. Chuang. "Confident learning: Estimating uncertainty in dataset labels." arXiv preprint arXiv:1911.00068 (2019).
由於這一批的芒果長得很好，所以由原本的七類改成五類（乳汁吸附、機械傷害、炭疽病、著色不佳、黑斑病）囉！
Sample Data 上傳囉，報名了才看得到，嘿嘿，大家快來報名吧！
「愛文芒果不良品分類競賽」熱烈報名中！最高獎金 13 萬元！歡迎各科系學生、業界隊伍一起競爭，幫助愛文芒果成為台灣之光！
本競賽透過建立影像辨識演算法模型，對愛文芒果影像進行五類不良品分類，既提出本議題的解決方案，也描繪出未來愛文芒果產業樣貌。
台灣重要出口農產品之一的愛文芒果於近年銷量持續增長，不僅躍升為三大外銷高經濟生鮮果品之一，更將外銷國拓展至日本、中國、美國以及香港等地。雖然，在各國當地政府的政策配合下，台灣芒果較以往提高了知名度並拓展市佔率，卻還是遭遇其他同為芒果出口國（菲律賓、泰國）的削價競爭，因此諸多品種改良、採收後處理技術以及品牌行銷等提昇產品價值的工作，仍待科技輔助來推進。
繼三項等級分類競賽後，本競賽針對愛文芒果進行五類不良品分類，包括乳汁吸附、機械傷害、炭疽病、著色不佳、黑斑病等，以影像辨識快速分辨愛文芒果不良品產生原因，期許在未來以此資料進行分析及預測，提供生產者資訊，降低愛文芒果劣果率。
因此，BIIC Lab 與台灣瓦克國際股份有限公司合作，耗時數年收集愛文芒果影像資料，透過本競賽，培養 AI 人才，並建立開放共榮的台灣本地資料庫，希望於愛文芒果產業導入自動化、精準化概念的AI 影像辨識技術，在未來利用資料庫建立一套自動芒果篩果系統，並提升臺灣大眾對農業產業升級的意識，同時拉抬台灣本地愛文芒果的品牌精緻化。
相關問題諮詢，請洽：biiclab@ee.nthu.edu.tw
競賽論壇： AI CUP 2020｜愛文芒果影像辨識雙項競賽 討論區
具中華民國學籍學生（研究生亦可）。業界亦可參加，另列入綜合競賽敘獎排名。
敘獎分為單項競賽獎金及綜合競賽獎金：
| 單項競賽獎金 | |||||
| 五類不良品分類辨識競賽 (Defective Competition) | 第一名 | 第二名 | 第三名 | 優等 | 佳作(十名) |
| 10 萬元 | 5 萬元 | 3.5 萬元 | 1 萬元 | 十名，各 7.5 仟元 | |
| 綜合競賽獎金 | |||
| 三類等級分類辨識競賽 (Grade Competition) | 第一名 | ||
| 3 萬元 | |||
| 五類不良品分類辨識競賽 (Defective Competition) | 第一名 | ||
| 3 萬元 | |||
| 雙項競賽綜合排名 (ORS) Overall Rating Score | 第一名 | 第二名 | 第三名 |
| 10 萬元 | 5 萬元 | 3.5 萬元 | |
| 時間 | 不良品分類競賽事件 |
|---|---|
| 2020/07/10-11/20 | 開放報名（提供註冊及Sample data） |
| 2020/08/24 | 公布訓練集、建構集資料開放下載 |
| 2020/08/31 | 公布建構集Baseline與演算法等參數 |
| 2020/12/18 | 併隊截止 |
| 2020/12/31 | 公布測試集，開放下載及上傳答案算分 |
| 2021/01/08 23:59:59 | 競賽截止，關閉測試集的資料上傳答案功能 |
| 2021/01/14 | 公布系統分數，開始上傳報告 |
| 2021/01/21 23:59:59 | 上傳報告截止，開始評估（系統+報告） |
| 2021/01/25 | 公布最終成績（系統+報告） |
$ \text{Macro-F1}(F_1,_{ma}):$
$$ F_1,_{ma}= 2 \times {recall_{ma} \times precision_{ma} \over recall_{ma} + precision_{ma}} $$ 其中, $precision_{ma}={\sum_{i=1}^5 precision_i \over 5}$, $recall_{ma}={\sum_{i=1}^5 recall_i \over 5}$,
$precision_i={TP_i \over TP_i +FP_i}$, $recall_i={TP_i \over TP_i +FN_i}$
