飞桨学习赛：钢铁缺陷检测挑战赛

这场竞赛适合谁

适合已有计算机视觉目标检测基础、愿意使用 PaddlePaddle 2.0 及以上版本训练端到端模型的个人参赛者。你需要能处理钢铁表面灰度图像，并输出缺陷类别、边界框坐标和置信度。

这场比赛提供什么

以下内容来自比赛官方页面。

• 基线方案PaddleDetection baseline for steel defect detection
• 教程AI Studio background-task execution tutorial
• 数据获取NEU surface defect dataset with six defect types and location labels

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

   目标检测模型

3. 03

   边界框标注与坐标

4. 04

   图像缺陷分类

5. 05

   CSV结果文件生成

6. 06

   mAP与IoU评估

投入前确认：难点在于同时做好缺陷定位和六类缺陷分类：同类缺陷的形态、方向和灰度会变化，而不同类别之间也需要区分。提交还必须生成严格格式的 submission.csv，且每个检测框都要单独成行。