竞赛重要公告

1227 公告

1. 我们从今日起进入榜单复核，我们主要针对 B 榜的前 30 名邮件邀请提供队伍实名信息。在审核过程中发现因各种原因失去资格的团队，将会按排行榜名次自动顺延邀请顺位选手填写信息。预期于本周三前完成所有审核。关于各位提到的各类可能的作弊问题，我们将通过审核期间对应实名制、ID 关联、提交次数等做好相应复核检查。
2. 审核完成后，我们将邮件邀请前 20 名的团队提交 PPT 和代码。代码因为都在训练平台环境中，我们会在审核期间即要求各团队指定一个训练平台用户名称给到我们，我们将通过训练平台直接提取该用户名称下的代码做检视； PPT 的要求请见各赛题的「解决方案验证阶段」的要求。预期于本周末前完成材料收集。
3. 前 20 名的团队，会在经过 PPT 和代码审核后，选出 前 10 名，届时进一步联络参与最后的答辩路演（预期 1 月中，线上）。

竞赛解读视频

竞赛关键要点

竞赛详细文案

一、赛题考官

交通银行

二、赛题背景

银行日常业务中涉及到各类凭证的识别录入，例如身份证录入、支票录入、对账单录入等。以往的录入方式主要是以人工录入为主，效率较低，人力成本较高。近几年来，OCR相关技术以其自动执行、人为干预较少等特点正逐步替代传统的人工录入方式。但OCR技术在实际应用中也存在一些问题，在各类凭证字段的识别中，手写体由于其字体差异性大、字数不固定、语义关联性较低、凭证背景干扰等原因，导致OCR识别率准确率不高，需要大量人工校正，对日常的银行录入业务造成了一定的影响。

三、赛题任务

本次赛题将提供手写体图像切片数据集，数据集从真实业务场景中，经过切片脱敏得到，参赛队伍通过识别技术，获得对应的识别结果。即：

输入：手写体图像切片数据集

输出：对应的识别结果

赛题在赛程中分设为两个独立任务，各自设定不同条件的训练集、测试集和建模环境，概述如下：

任务一：提供开放可下载的训练集及测试集，允许线下建模或线上提供 Notebook 环境及 Terminal 容器环境（脱网）建模，输出识别结果完成赛题。

任务二：提供不可下载的训练集，要求线上通过 Terminal 容器环境（脱网）建模后提交模型，由系统输入测试集（即对选手不可见），输出识别结果完成赛题。

上述两个任务的更具体情况请参见第五节赛题赛程的详细说明。

四、赛题数据

A. 数据规模和内容覆盖

 B.数据内容示例：

原始手写体图像共分为三类，分别涉及银行名称、年月日、金额三大类，分别示意如下：

相应图片切片中可能混杂有一定量的干扰信息，分别示例如下；

识别结果 JSON 在训练集中的格式如下（请注意选手提交的结果文件 JSON 和训练集中的 JSON 格式不同）：

json 文件内容规范：

{

  "image1": "陆万捌千零贰拾伍元整",

  "image2": "付经管院工资",

  "image3": "",

  ...

}

五、赛题赛程和提交要求

本赛题共分成三个大阶段：

线上比赛（包含任务一和任务二） ———— 解决方案复审 ———— 终选答辩

赛程总览示意如下：

1. 线上比赛

本赛题下的线上比赛将设定为两个时间上并行、难度从低到高的任务。任务二为主任务，任务一作为开放任务先行提供选手了解数据基本情况、赛题基本情况和线上开发环境，适合于新手入门和参与配套的学习营。

该阶段内接受个人报名、团队登记（报名登记规则请详细阅读比赛规则），团队创建需经管理员审核（若正式代表某机构或企业参赛，需机构或企业出具相应盖章函件证明方可建立）。

1. 任务一

1. 赛程说明：

任务一的目标是提供一个低门槛、易参与的、可选赛事任务。任务一将在 2021 年 12 月16 日冻结榜单，用于学习奖励核定（请参见AIWIN 另行发布的学习活动说明）。17 日将重新开放一个学习榜单并长期开放任务，用于长期学习打榜。

任务一将提供开放训练集，针对「年份」和「金额」两类信息做针对性的手写体识别训练和预测。

选手可通过 AIWIN 平台「参赛提交」——「下载」 的路径，查看并下载任务一数据集（其包含训练集和测试集）。

选手完成模型训练后，可尝试测试集，并产出识别结果，按 B 小节的提交要求提交后，获得排名。

任务一期间，将同步开放训练平台(notebook.aiwin.org.cn)供选手选择使用，其默认提供容器环境 Terminal（默认支持多类型的机器学习框架，但不支持外网链接，任务二仅提供此环境），以及标准的 Jupyter Notebook 环境（仅任务一过程可用）。建议主攻任务二的选手提前熟悉 Terminal 环境，并通过任务一熟悉评分机制和数据。

请注意赛题命题方希望选手尽量使用端到端的单个模型，而非使用多种预测模型然后对多个模型的预测值做处理再得到结果的方式（该要求非强制）。因为该赛题为面向实际应用的赛题，在实际场景中，硬件资源有限，堆叠多个模型会对资源造成压力。如果多个模型都比较轻量，占用资源和单个端到端模型差不多，也可以使用多个模型。建议特别有意向进一步打任务二的选手提前考虑命题方的这一诉求。

2. 结果提交的内容和要求：

本平台要求所有提交内容统一打包为 zip 文件上传（请参见「参赛提交」tab下「下载」板块提供的提交样例），其内包含：

模型输入测试集后输出的结果文件，文件格式统一为json，名称必须统一为answer.json（请注意评审程序会议以'utf-8‘编码格式读取文件）

json 文件内容规范：

{

  "image1": {

      "result": "陆万捌千零贰拾伍元整",

      "confidence": 0.94

  },

  "image2": {

    "result": "付经管院工资",

      "confidence": 0.96

  },

  "image3": {...},

  ...

}

其中，image对应每一张图片，result对应识别结果，confidence对应其置信度。

3. 提交规则：设定每日最多 3 次提交。如选手选择参与任务一的学习任务活动（具体另行参见大赛的宣传通知），则应在 12 月 16 日午夜前至少提交一次，之后任务一榜单将冻结，新启用一个练习榜单共学习打榜使用。

4. 排名规则：以选手最新一次提交的排行分数为准。

2. 任务二

1. 赛程说明：

任务二是本赛题的主任务，在 11 月 15 日正式开启，以其最终的 B 榜成绩排名为准考核进入路演答辩，任务二选手不一定必须参与任务一的提交，但建议通过任务一的数据熟悉任务和平台。

任务二采用不可下载的、覆盖信息种类更多的训练集，以及完全封闭的测试集（选手不可见不可得）开展赛事，并要求在指定的容器环境内（notebook.aiwin.org.cn）中完成模型的建模、训练。请注意容器环境支持多种类的机器学习框架，但不支持外网访问。

任务二的训练集为 3 万张图片，包括「金额」、「年份」、「月份」、「日期」以及「银行名称」这 5 类信息。数据仅能通过 Terminal 环境调用加载使用，不可下载。

请注意赛题命题方希望选手尽量使用端到端的单个模型，而非使用多种预测模型然后对多个模型的预测值做处理再得到结果的方式（该要求非强制）。因为该赛题为面向实际应用的赛题，在实际场景中，硬件资源有限，堆叠多个模型会对资源造成压力。如果多个模型都比较轻量，占用资源和单个端到端模型差不多，也可以使用多个模型。建议特别有意向进一步打任务二的选手提前考虑命题方的这一诉求。

选手完成模型训练后，应根据下文B 小节的要求，在指定目录下完成相应模型代码的部署。训练平台将在每天指定时间（预设为凌晨 4 点和下午 4 点，每天两次，具体确定时间待平台公告和文案修正）对部署在指定位置的代码输入测试集，自动运行产出对应的识别结果文件。 

选手可在模型提交后 一般 2 小时左右，在训练平台下载输出的识别结果文件（通过点击训练平台前端页面->文件管理->点击下载 answer 按钮即可），并按 C 小节的要求准备好提交物在 AIWIN 平台提交得到评分。

任务二采用 AB 榜模式，其中 A 榜包含测试集5000 条，B 榜包含测试集 5000 条。A 榜将在 12 月 16 日午夜冻结，17 日切换进入 B 榜，B 榜在 12 月 26 日冻结。（时间如有变动将在公告中告知，并邮件等多渠道通知）

2. 代码提交要求：

在训练平台(notebook.aiwin.org.cn)上，拷贝入指定路径：A 轮提交请放置在 /ocr-A/submit/下，B 轮提交请放置在/ocr-B/submit/下。

选手除需将完整可独立离网执行的代码拷贝如上诉目录，另需准备一个 run.sh，其中应包含必要的脚本用于运行和执行代码，其文件路径应为： /ocr-A(B)/submit/run.sh

训练平台将统一按照 “run.sh path_to_testdata_foler”的方式，执行各代码的 run.sh，path_to_testdata_foler由系统自动输入，该路径为绝对路径，且其下无嵌套文件夹，直接为所有被测的切片图片文件。（此处不同于训练集，训练集按照amoutn,year,day,month和bank又分别组织了 5 个文件夹，而此处不在含有这些分类文件夹，请注意！）

选手应在代码中含有创建并写入结果文件的代码，结果文件统一命名为 answer.json，其路径应该为：A 轮是 /ocr-A/submit/answer.json，B 轮是/ocr-B/submit/answer.json。之后可通过训练平台的「文件管理->点击下载 answer 按钮」下载文件，用于在 AIWIN 平台提交。

代码的 stdout 和 stderr等信息由训练平台统一输出在 submit 根目录下的 log 日志中（通过运行时间的时间戳区分版本），可供代码运行后调试检视使用，可通过训练平台 Web Terminal 查看。

3. 结果提交的内容和要求：

AIWIN平台(ailab.aiwin.org.cn)要求所有提交内容统一打包为 zip 文件上传（请参见「参赛提交」tab下「FILES」板块提供的提交样例），其内包含：模型输入测试集后输出的结果文件，文件格式统一为json，名称必须统一为answer.json（请注意评审程序会议以'utf-8‘编码格式读取文件）

json 文件内容规范：

{

  "image1": {

      "result": "陆万捌千零贰拾伍元整",

      "confidence": 0.94

  },

  "image2": {

    "result": "付经管院工资",

      "confidence": 0.96

  },

  "image3": {...},

  ...

}

其中，image对应每一张图片，result对应识别结果，confidence对应其置信度。

4. 提交规则： A榜期间设定每日最多 3 次提交，B 榜期间设定总共最大提交 2 次

5. 排名规则：以选手最新一次提交的排行分数为准。

2.解决方案验证阶段

1. 赛程说明：

第 2 轮 B 榜结束提交后，组委会将对B 榜前30 的 选手做复核核验，排除掉可能重复获得资格、或者违反规则等情况的选手。选定最终确定的前 20名的选手，并予以公示。前 20 名选手将被要求提交一份解题思路 PPT。组委会将基于 PPT内容，对 20 强选手的代码进行形式审查（作弊审查）、代码复现，并针对解决方案的创新性等综合维度做评判（不排除针对全部或个别选手要求电话或当面沟通答辩），最终确定进入终选的10 名选手。

2. 提交内容和要求：

1. 选手需在 2021 年 12 月 31 日前（拟），通过指定链接，上传解题思路 PPT
2. 解题思路 PPT 命名应为选手名.ppt，对于个人参赛选手名即个人 ID，团队参赛选手名即为团队名。
3. 解题思路 PPT 需包含以下内容：
   1. 个人简介：在职者填写当前职业和在职机构（如方便透露），在校者请填写当前年级、专业、高校

团队简介：团队整体介绍，以及每个成员的介绍、成员分工

1. 2. 赛题理解与问题建模：清楚描述对赛题任务的理解，抽象为模型建立的策略
   3. 数据探索与特征工程：针对赛题提供的数据描述必要的数据特征、数据清洗、特征工程的关键思路和方法
   4. 模型训练和融合：描述模型的训练、实验对比和融合过程与方法
   5. 代码依赖环境：详细列出包括整体建模采用的基础框架（含版本号）以及依赖的包等
   6. 提供代码审核所用的最终代码版本：即训练平台的 ID 和代码最终部署路径

3.终选答辩

拟于 2022 年 1 月中旬（拟）举办终选答辩。入选终选的选手将通过线下或线上的方式参与最终的评审答辩，综合线上排名、终选答辩及命题方考量的其他维度综合确定最终的排名和奖项归属。

六、评价方式

线上排名

线上任务一和任务二采用统一的评价指标，计算公式如下：

注：上述公示中 D(X，Y)的函数，表征的是字符间编辑距离（Levenshtein Distance）

终选方式

综合选手现场答辩、线上排名分数以及其他命题方设定的综合维度（如模型思路创新性都能够），确定最后的综合排名。

七、特别说明

（1）竞赛数据：赛事提供的数据仅能用于指定赛道的模型训练工作，参赛人员不得将数据用于任何商业用途。参赛人员不得对外以任何形式转载、发布赛题的训练集、验证集的全部或任意部分；

（2）算法代码：各参赛者应按比赛设定要求提交完整的解决方案（包括代码、模型、文档等），并保证解决方案可独立自主由比赛组织方和出题单位在脱机环境下运行使用，复现结果；

（3）作品提交：作品提交规则按各赛道设定执行。作品提交由单个个人账号执行。参赛作品必须保证原创性，不违反任何中华人民共和国的有关法律，不侵犯任何第三方知识产权或者其他权利；一经发现或经权利人提出并查证，组委会将取消其比赛成绩、追回奖励（如已发放）并保留追究法律责任的权利；

（4）知识产权：参赛作品（包含但不限于结果文件、算法、模型、方案等）的相关权利由出题单位、参赛者、官方竞赛平台三方共享。

（5）上述约定已在比赛规则中载明，选手报名成功本赛事，即默认选手已阅读并同意比赛规则的所有条款。

八、赛事奖励

1.  赛事奖金与奖励

2.  证书

所有获奖选手（含学习奖励奖项与竞赛奖励奖项）将颁发盖有“世界人工智能创新大赛组委 会”的赛事证书，对应赛题的证书上将同时印刻有赛事命题方的官方 logo .

所有报名学习计划并通过考核的，将获得由组委会和 Datawhale 共同颁发的学习证明。 

3.    直通 AI 菁英实训营

AI 菁英实训营是 AIWIN 的联动合作项目之一，将在每年暑期面向高年级本科生和研究生举办。通过 1 周的集中理论和技术培训，4 周的企业驻场项目实训，1 周的路演筹备和项目汇报，为同学们提供绝佳的掌握一线AI 技术应用和体验大厂的职场生涯的机会。往年参与企业有中国工商银行、太平洋保险、Artefact、卫宁健康、海通证券等，参与的高校学子来自上海纽约大学、清华大学、复旦大学、电力大学等。获奖选手将获得直通 2022 年实训营的资格。

4.    入选人才库

有意向进一步和 AIWIN 广大生态企业产生互动，无论是实习还是参与校招、社招的选手，可以投递简历至 AIWIN，并由 AIWIN 结合选手在不同赛季不同赛题的综合表现，向用人方出具相应证明和推荐。