“用科技让复杂的世界更简单”是百度全新的公司使命，而科技为生活则是我们一直坚信的品牌理念。百度发起了面向全球AI技术爱好者的深度学习算法竞赛——2018百度之星开发者大赛。大赛的宗旨是为有创新力、专业性强、富有极客精神和团队合作精神的顶级开发者团队提供真实的数据集、PaddlePaddle深度学习开源框架和展示与推广的平台，降低机器学习、深度学习的门槛，进一步吸引、挖掘顶级AI开发者和技术解决方案。

近年来，应用于监控场景的行人分析视觉技术日益受到广泛关注。包括人体检测、人体属性识别、人流密度估计等技术在内的多种视觉技术，已获得在居家、安防、新零售等多个重要领域的广泛应用。其中作用于人流密集场景的人流密度估计技术（crowd density estimation）因其远高于肉眼计数的准确率和速度，已广泛应用于机场、车站、运营车辆、艺术展馆等多种场景，一方面可有效防止拥挤踩踏、超载等隐患发生，另一方面还可帮助零售商等统计客流。鉴于此，本次大赛以人流密度估计作为赛题，参赛者需要以对应主题作为技术核心，开发出能适用于密集、稀疏、高空、车载等多种复杂场景的通用人流密度估计算法，准确估计出输入图像中的总人数。

本次竞赛的题目和数据由百度视觉技术部提供，竞赛平台AI Studio由百度AI技术生态部提供。期待参赛者们能够以此为契机，共同推进人流密度估计技术的发展。欢迎全球范围开发者积极参与，鼓励高校教师积极参与指导。

本次技术竞赛面向全社会开放，不限年龄、身份、国籍，相关领域的个人、高等院校、科研机构、企业单位、初创团队等人员均可报名参赛。大赛主办单位有机会提前接触赛题和数据的人员不得参加比赛，其他员工可以参与比赛排名，但不领取任何奖项。

（1）可以个人或团队（线下自由组队）形式参赛，每个参赛队伍人数最多不超过5人，允许跨单位自由组队，每人只能参加一支队伍。

（2）参赛选手报名须保证所提供的个人信息真实、准确、有效。

要求参赛者给出一个算法或模型，对于给定的图片，统计图中的总人数。给定图片数据，选手据此训练模型，为每张测试数据预测出最准确的人数。

竞赛所用训练和测试图片均来自一般监控场景，但包括多种视角（如低空、高空、鱼眼等），图中行人的相对尺寸也会有较大差异。部分训练数据参考了公开数据集（如ShanghaiTech [1], UCF-CC-50 [2], WorldExpo’10 [3]，Mall [4] 等）。本竞赛的数据标注均在对应json文件中，每张训练图片的标注为以下两种方式之一：

（1）部分数据对图中行人提供了方框标注（boundingbox），格式为[x, y, w, h]；

（2）部分图对图中行人提供了头部的打点标注，坐标格式为[x, y]。

此外部分图片还提供了忽略区(ignore_region)标注，格式为[x0, y0, x1, y1, …, xn, yn]组成的多边形(注意一张图片可能有多个多边形忽略区)，图片在忽略区内的部分不参与训练/测试。

各阶段数据划分会随比赛进度逐一提供，请届时在AI Studio的数据集页查找（见下列比赛进程）

参赛队伍提交的所有参赛资料的知识产权归参赛队伍所有，参赛资料仅用于本次大赛评奖。

本竞赛采用平均错误率为评判标准。对于任一张测试图，设总人数真值（ground truth）为，人数预测值为，则这张图的错误率为，平均错误率为。平均错误率越低，预测效果越好。

比赛允许使用imagenet预训练的模型，但严禁使用任何外部训练数据及人工对数据进行标注。参与评审的队伍需提供所有预训练模型的来源。

所有参与评审的模型必须使用PaddlePaddle深度学习框架或者模型。所有参赛团队可无限使用基于AI Studio平台提供的训练资源。

百度深度学习平台 PaddlePaddle，是大规模并行分布式深度学习框架，易学易用、高效灵活，支持海量图像识别分类、机器翻译和自动驾驶等多个领域的业务需求，现已全面开源。

各支队伍可在提交结果页面的个人成绩中查看历史提交记录。

在上述条件均满足的队伍中，初赛分数排名前50名的队伍将晋级到复赛阶段。若参赛队伍在上述条件中有一条未满足，则没有晋级资格。

2018年8月31日24点，复赛正式截止后，竞赛评审委员会将对模型分数排名前10的队伍所提交的代码进行人工评审。