想象一下,當你需要為某個工廠的生產車間構建一個基于視覺的目標檢測應用時。傳統方法需要花費大量時間采集數據樣本,而且當工廠車間的布局發生變化時,你需要重新采集大量數據。這樣的過程非常耗時、耗力,且對于數據的質量和準確性有很高的要求。現在我們可以利用合成數據技術在虛擬世界合成的數據來補充訓練數據集,這也是NVIDIA第八屆 Sky Hackathon大賽的主題。

本次大賽由NVIDIA企業開發者社區與創樂博聯合主辦,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(包括導師)。經過緊張激烈的競爭,最終有29個團隊成功完成了比賽。

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歷了一系列的挑戰和學習機會。活動涵蓋了數據合成、模型訓練、模型推理以及UI頁面搭建等過程。

在數據合成階段,每個隊伍根據提供的3D模型和場景,利用Omniverse Replicator進行數據合成。此過程旨在幫助學生們熟悉深度學習數據集的合成、收集、篩選、清理和標注過程。

接著,參賽隊伍需要根據組委會提供的教程,在自己的服務器上搭建環境,并進行目標檢測模型的訓練。這一步驟讓學生們親身體驗基于目標識別的深度學習模型的訓練過程。

訓練完成后,參賽隊伍將訓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。這個過程使學生們了解到利用NVIDIA TAO對模型進行剪枝等優化的重要性,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,創建一個完整的應用系統。

參賽者通過參與本次活動,不僅能夠學習到深度學習模型訓練的實際過程,還能夠親自體驗Omniverse Replicator合成訓練數據、NVIDIA TensorRT對模型的部署、Jetson Xavier NX在實際場景中的應用等領域的知識。

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

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

“本次比賽旨在為參賽者們打開了人工智能領域的大門,為他們未來的學習和職業發展奠定了堅實的基礎。參賽者們通過實際操作和團隊合作,不僅提高了技術水平,還培養了解決問題和創新的能力。” NVIDIA GPU 應用市場總監侯宇濤表示。

“我們期待著未來的比賽和活動,為更多的學生提供機會,展示他們的才華和創造力。同時,我們也期望這樣的比賽能夠進一步推動人工智能技術的發展,為工業和社會帶來更多的創新和進步。” 創樂博總經理蒲茂表示

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域的發展和突破!

審核編輯黃宇