基于文心 CV大模型的智慧城市视觉多任务识别

这场竞赛适合谁

适合已有 PaddlePaddle 训练经验，并能处理视觉模型架构表示与多任务预测的开发者。参赛者需要以模型结构编码为输入，预测人脸、人体、车辆和商品等视觉任务上的模型排序；比赛仅支持个人参赛。

这场比赛提供什么

官方提供了可以直接运行的基线，从它开始通常比从零搭快得多。

• 基线方案Forkable official baseline project
• 教程Instructor-led leaderboard video course
• 参考论文GP-NAS research paper
• 参考论文UFO research paper
• 基线方案VIMER-UFO GitHub reference implementation

从报名到首次提交的准备步骤

1. 01

   能够读懂官方赛题与参赛规则

2. 02

   Vision Transformer 架构编码

3. 03

   多任务学习

4. 04

   学习排序

5. 05

   Kendall tau 优化

6. 06

   JSON 文件处理

投入前确认：核心难点不是直接训练视觉识别模型，而是从有限的已评估子网样本中学习架构—性能关系，并为大量未见结构同时给出多个任务的整数排序。提交还必须严格按 JSON 格式填写各任务 rank，且最终排名以隐藏的 B 榜为准。