概览
这场竞赛适合谁
适合已有目标检测/实例分割实战经验、能处理 COCO 标注与 RGB 果园图像的计算机视觉参赛者。你需要能从训练集自行划分验证集，并在不使用外部数据的限制下完成模型训练和本地推理。
查看官方简介原文
葡萄是全球重要的高经济价值作物，广泛用于鲜食、酿酒和葡萄干生产。在葡萄果实生长期，合理的枝叶管理对果实产量与品质至关重要：通过及时剪除结果枝（挂葡萄果实的枝条）前端的新生叶片、将每根结果枝的叶片数量控制在 8–12 片，可减少养分的无效消耗，使更多营养流向果实，从而提升果实质量。 Official track: 计算机视觉. Sponsor: 中国农业大学. Teams entered: 271.
参赛准备
从报名到首次提交的准备步骤
- 01
实例分割模型训练
- 02
COCO 数据集格式
- 03
RLE 掩码编码
- 04
PyTorch 或同类深度学习框架
- 05
图像增强与验证集划分
- 06
能够运行基础方案并完成一次有效提交
投入前确认：难点在于把细长、交叉缠绕且常被叶片和果实遮挡的结果枝逐根区分，并按“被遮挡区域也补全”的标注口径输出完整掩码。最终还需生成严格符合 COCO RLE 格式的 predictions.json；B 榜提交还包含可复现的模型材料要求。
来源