大赛概况


BenchCouncil 组织的大赛采取循环赛的方式。赛题从Benchmark测试集AIBench (Technical Report, Bench18)中选择。2019大赛使用欣秀作为竞赛交流工具,讨论组链接为:https://app.ic3i.com/org/benchcouncil/en/.
在每年竞赛组织报名截止(8月1日)之前,公司和研究机构可以加入组织赛道,组织方需支付一定的费用。
在每年竞赛选手报名截止(9月18日)日前,竞赛选手可以自由加入竞赛。
每年 10月1日 10月7日 截止提交竞赛结果并发布当年的结果排名。Bench 19组委会向获奖候选人发送Bench 19参会邀请函。 所有竞赛选手在竞赛结束后要求向BenchCouncil维护的代码共享系统BenchHub提交源代码。系统可以在BenchCouncil新技术实验床上运行。
所有竞赛选手都可以向BenchCouncil旗舰会议Bench提交论文。
最终获奖团队必须向Bench提交论文,并在会议现场做报告。

2019年10月1日 2019年10月7日:竞赛结果提交截止
2019年10月15日:提交论文初稿
https://easychair.org/conferences/?conf=competition2019
2019年11月10日: 提交最终论文。
竞赛成绩(完全由截止时间前提交的性能数据决定)占70%,专家评选成绩占30%。论文中的数据可以优化,但需要申明截止时间前的性能数据。特等奖从每个赛道的第一名中选择(根据截止时间前提交的性能数据决定)。


2019年BenchCouncil 国际人工智能系统大赛


“2019年BenchCouncil国际人工智能系统大赛”在BenchCouncil新技术实验床上举办,19年赛程包括寒武纪、X86和RISC-V等芯片上的系统竞赛以及云天励飞算法竞赛,将凝聚全世界的智慧,为自主可控的智能计算生态添砖加瓦。特等奖为10万元人民币。

2019大赛的详细信息请参考竞赛手册,同时可访问BenchCouncil讨论组获取最新竞赛动态或者提出疑问,我们将会第一时间回答。注:BenchCouncil讨论组可使用欣秀账号登录,无账号可使用手机号或者邮箱注册。
BenchCouncil讨论组(中文):https://app.ic3i.com/org/benchcouncil/cn/
BenchCouncil讨论组(英文):https://app.ic3i.com/org/benchcouncil/en/
竞赛中文手册:http://www.benchcouncil.org/competition/handbook-cn.pdf
竞赛英文手册:http://www.benchcouncil.org/competition/handbook-en.pdf

竞赛规则


1、每人只能参加一支队伍
2、每一个参赛队伍人数为1-3人,可选择1名指导老师,获奖队伍必须有一人参加 Bench19会议,发表相关论文并且参会做报告(可以由指导老师代讲
3、每一个参赛队伍每天限制提交3次


竞赛交流


定期会组织专家团队在各个高校和科研机构进行宣讲。交流和问答采用欣秀科教交流工具。


竞赛奖金


特等奖一个10万
一等奖奖金3万 每个赛道1个
二等奖奖金2万 每个赛道2个
三等奖奖金1万 每个赛道3个

赛道组织者征集


由BenchCouncil 提供赛题 (AIBench)、竞赛平台(新技术实验床)和宣传平台(欣秀科教交流工具)。组织方提供的数据集也可以成为AIBench或者BigDataBench的一部分。组织方可以提供加速器等设备。组织方提供的设备可以通过捐献的方式成为实验床的标准配置。


Free HTML5 Bootstrap Template

赛道一:基于RISC-V平台的国际人工智能系统大赛

RISC-V是一个基于精简指令集(RISC)原则的开源指令集架构,作为近年来开源芯片技术的突出代表,RISC-V开放指令集体系结构已受到国内外各领域的广泛关注。本赛题将在RISC-V平台上实现并优化基于卷积神经网络的图片分类任务。

RISC-V模拟器docker镜像(用于编程和调试): https://hub.docker.com/r/crva/riscv-qemu

数据:
CIFAR-10数据集由60000张32*32彩色图片组成,它们分别属于10个类别,每个类别有6000张。其中,训练集图片有50000张,测试集图片10000张。数据集为二进制格式,其每个样本的格式为:
<1 x label><3072 x pixel>
Label是一个0-9之间的整数,表明样本的类别,后面的3072字节分别为RGB三通道的像素值,以行优先的顺序存储。如最开始的64字节是Red通道的前两行。神经网络程序给定3072个字节输入,预测其label值作为输出。 数据集下载地址: https://www.cs.toronto.edu/~kriz/cifar-10-binary.tar.gz
ResNet-20模型下载地址 (模型精确度84.03%):
http://www.benchcouncil.org/competition/cifar_resnet.zip

更多信息-比赛方式

创建队伍

Free HTML5 Bootstrap Template

赛道二:基于寒武纪芯片的国际人工智能系统大赛

寒武纪是全球智能芯片领域的先行者,在2016年推出的“寒武纪 1A”处理器是世界首款终端人工智能专用处理器,已应用于数千万智能手机中。本赛题将在寒武纪平台上实现并优化基于卷积神经网络的图片分类任务。

数据:
CIFAR-10数据集由60000张32*32彩色图片组成,它们分别属于10个类别,每个类别有6000张。其中,训练集图片有50000张,测试集图片10000张。数据集为二进制格式,其每个样本的格式为:
<1 x label><3072 x pixel>
Label是一个0-9之间的整数,表明样本的类别,后面的3072字节分别为RGB三通道的像素值,以行优先的顺序存储。如最开始的64字节是Red通道的前两行。神经网络程序给定3072个字节输入,预测其label值作为输出。 数据集下载地址:http://125.39.136.212:8484/Cambricon/cifar10_test.tar (图片数据)
https://www.cs.toronto.edu/~kriz/cifar-10-binary.tar.gz (二进制数据)
ResNet-50模型下载地址 (模型精确度84.39%):
http://125.39.136.212:8484/Cambricon/model.tar

更多信息-比赛方式

创建队伍

Free HTML5 Bootstrap Template

赛道三:基于X86平台的国际人工智能系统大赛

背景:
本赛题将在X86平台上实现并优化基于矩阵分解的协同过滤任务。

数据:
movielens数据集包含多个用户对多部电影的评级数据,也包括电影元数据信息和用户属性信息。本赛题只 涉及到其中的评分数据,总共280,000个用户对58,000部电影27,000,000 条评分。评分数据(ratings.csv)数据格式如下:
userId, movieId, rating, timestamp
userId: 用户的id
movieId: 电影的id
rating: 用户评分
timestamp: 时间戳
数据集下载地址:https://grouplens.org/datasets/movielens/

更多信息-比赛方式

创建队伍



Free HTML5 Bootstrap Template

赛道四:3D人脸识别算法竞赛

深圳云天励飞技术有限公司是中国第一家兼具人工智能(AI)算法、AI 芯片和 大数据平台等 AI 关键技术平台的独角兽企业。
当前人脸识别技术在2d RGB图像上取得了辉煌的成就,但是在3D人脸识别领域,还需要更进一步提高人脸识别技术的可靠性和稳定性。尤其是在一些金融等领域,对于人脸识别技术要求更高,人脸识别的可靠性和稳定性变得尤为重要。本赛道关注3D人脸识别的新型算法。

数据:训练数据下载地址:http://125.39.136.212:8484/3dvggface2_1.tar.gz
测试集包含253个人脸ID,77715个sample,每个sample包含一张rgb图像和深度图像,位宽都为8。这些数据将都用于验证模型。

更多信息-比赛方式

创建队伍