想象一下,當(dāng)你需要為某個工廠的生產(chǎn)車間構(gòu)建一個基于視覺的目標(biāo)檢測應(yīng)用時。傳統(tǒng)方法需要花費(fèi)大量時間采集數(shù)據(jù)樣本,而且當(dāng)工廠車間的布局發(fā)生變化時,你需要重新采集大量數(shù)據(jù)。這樣的過程非常耗時、耗力,且對于數(shù)據(jù)的質(zhì)量和準(zhǔn)確性有很高的要求。現(xiàn)在我們可以利用合成數(shù)據(jù)技術(shù)在虛擬世界合成的數(shù)據(jù)來補(bǔ)充訓(xùn)練數(shù)據(jù)集,這也是NVIDIA第八屆 Sky Hackathon大賽的主題。

本次大賽由NVIDIA企業(yè)開發(fā)者社區(qū)與創(chuàng)樂博聯(lián)合主辦,為期3周,吸引了來自48所高校的50個參賽隊伍報名參加,總共有245名參賽者(包括導(dǎo)師)。經(jīng)過緊張激烈的競爭,最終有29個團(tuán)隊成功完成了比賽。

本次比賽以"工廠車間傳送帶上的紙箱檢測"為主題,參賽隊伍在比賽過程中經(jīng)歷了一系列的挑戰(zhàn)和學(xué)習(xí)機(jī)會。活動涵蓋了數(shù)據(jù)合成、模型訓(xùn)練、模型推理以及UI頁面搭建等過程。

在數(shù)據(jù)合成階段,每個隊伍根據(jù)提供的3D模型和場景,利用Omniverse Replicator進(jìn)行數(shù)據(jù)合成。此過程旨在幫助學(xué)生們熟悉深度學(xué)習(xí)數(shù)據(jù)集的合成、收集、篩選、清理和標(biāo)注過程。

接著,參賽隊伍需要根據(jù)組委會提供的教程,在自己的服務(wù)器上搭建環(huán)境,并進(jìn)行目標(biāo)檢測模型的訓(xùn)練。這一步驟讓學(xué)生們親身體驗基于目標(biāo)識別的深度學(xué)習(xí)模型的訓(xùn)練過程。

訓(xùn)練完成后,參賽隊伍將訓(xùn)練好的模型部署在組委會提供的Jetson Xavier NX集群上,并利用NVIDIA TensorRT加速模型的推理過程。這個過程使學(xué)生們了解到利用NVIDIA TAO對模型進(jìn)行剪枝等優(yōu)化的重要性,以及TensorRT的部署能力。

為了提供更好的用戶交互體驗,每個隊伍還需要自行搭建了UI頁面,創(chuàng)建一個完整的應(yīng)用系統(tǒng)。

參賽者通過參與本次活動,不僅能夠?qū)W習(xí)到深度學(xué)習(xí)模型訓(xùn)練的實際過程,還能夠親自體驗Omniverse Replicator合成訓(xùn)練數(shù)據(jù)、NVIDIA TensorRT對模型的部署、Jetson Xavier NX在實際場景中的應(yīng)用等領(lǐng)域的知識。

最終來自北京建筑大學(xué)、浙大寧波理工學(xué)院,以及東南大學(xué)和中國科學(xué)技術(shù)大學(xué)的同學(xué)們斬獲前三名,分別獲得由創(chuàng)樂博公司贊助的NVIDIA Jetson Orin NANO開發(fā)套件一套。第四名至第20名,也將獲得創(chuàng)樂博公司贊助的Jetson NANO開發(fā)套件。

“NVIDIA Omniverse能夠很好支撐起data-centric的深度學(xué)習(xí)研究實踐;而NVIDIA Tao開發(fā)工具包讓本身需要很高工程要求的模型訓(xùn)練部署環(huán)節(jié)變得非常便捷;Sky hackathon對AI的大眾普及很有意義!”來自東南大學(xué),也是本次大賽第三名獲勝團(tuán)隊的隊長劉夢陽同學(xué)說。

“本次比賽旨在為參賽者們打開了人工智能領(lǐng)域的大門,為他們未來的學(xué)習(xí)和職業(yè)發(fā)展奠定了堅實的基礎(chǔ)。參賽者們通過實際操作和團(tuán)隊合作,不僅提高了技術(shù)水平,還培養(yǎng)了解決問題和創(chuàng)新的能力。” NVIDIA GPU 應(yīng)用市場總監(jiān)侯宇濤表示。

“我們期待著未來的比賽和活動,為更多的學(xué)生提供機(jī)會,展示他們的才華和創(chuàng)造力。同時,我們也期望這樣的比賽能夠進(jìn)一步推動人工智能技術(shù)的發(fā)展,為工業(yè)和社會帶來更多的創(chuàng)新和進(jìn)步。” 創(chuàng)樂博總經(jīng)理蒲茂表示

感謝所有參與者和支持者的努力和支持,讓本次活動取得了圓滿成功。讓我們一同期待未來人工智能領(lǐng)域的發(fā)展和突破!

審核編輯黃宇