【深度学习系列】一起来参加百度 PaddlePaddle AI 大赛吧！
写这个系列写了两个月了，对paddlepaddle的使用越来越熟悉，不过一直没找到合适的应用场景。最近百度搞了个AI大赛，据说有四个赛题，现在是第一个—-综艺节目精彩片段预测 ，大家可以去检测一下最近的学习成果啊！还有丰厚的奖金10W元软妹币哦！
这是啥比赛？
看比赛的要求，是希望参赛选手使用PaddlePaddle深度学习框架、利用BROAD数据集、利用K-Lab，着手解决行业中的真实问题，从而让AI真正应用于行业、真正服务于行业。本次大赛，我们将目光放在电视综艺行业，希望选手们利用BROAD中全球首创的公开精彩片段标注数据集，帮助电视综艺的后期剪辑工作者们在给定的任一段长视频中识别出“精彩片段”——想为剪辑师们的辛苦工作给予些小小的辅助，别再连续熬夜啦
详细的赛题背景请戳这里！
数据集是啥？
在11月百度世界大会 AI 技术与平台论坛上，百度3D视觉首席科学家杨睿刚就宣布推出了百度 AI 公开数据集计划——BROAD（Baidu Research Open-Access Dataset），并宣布首批室外场景理解、视频精彩片段、阅读理解3个数据集即日起对公众公开。
这些数据或是首次发布的，或是目前国际同类型公开数据集中最大的：
- 室外场景理解数据集是世界范围内第一个带像素级语义标签的室外3D图像数据，来源于百度自动驾驶事业部。该数据集试图将感知能力从物体级感知升级到像素级感知，进而了解图片中所有像素的属性和来源，目标实现更精准、安全的自动驾驶。
- 视频精彩片段数据集主要来源于爱奇艺。视频类型为综艺节目，目前囊括近1500个长视频，视频总时长约1200小时，还从中手动收取出18000个精彩小视频，同时能够提供视频帧的图片特征序列，是全球首创的公开精彩片段标注数据集。
- 百度阅读理解数据集 DuReader是迄今为止规模最大的中文公开领域阅读理解数据集。数据集基于真实应用需求，所有问题都来源于百度搜索用户的真实问题，文档来自全网真实采样的网页文档和百度知道 UGC 文档，答案基于问题与文档由人工撰写生成。数据集标注了问题类型、实体和观点等丰富信息，弥补了现有主流数据集对于观点类问题覆盖不足的问题。首批发布的阅读理解数据集包含20万问题、100万文档及42万人工撰写的优质答案，并提供开源基线系统。DuReader 将为阅读理解技术研究提供有力支撑，希望加速相关技术和应用的发展。
在这个比赛中，我们用的是第二个：视频精彩片段数据集。戳这里可以下载！不过文件太大了，训练集有97G，验证和测试各有8，8G，在本机上做明显不太现实，所以kesci直接提供了数据集，在指定路径下就可以看到啦。我们可以直接运用Kesci的平台K-Lab来进行模型训练~大家可以在这里看一下提供的视频样例和数据集的说明~
一个小tips：大家一定要先报名，再创建比赛项目才能查看数据集哦！不然看不到！亲身经历，略坑 – – 而且一定得用PaddlePaddle，会检测你有没有用的 – –
如何报名？
在Kesci官网注册，然后报名，就可以啦！提交结果的时候要以团队的名义提交哦！团队可以是一个人，也可以组队，大家可以在比赛的qq群里拉人组队哦！（见比赛介绍）
赛题、日程与奖项
本次大赛分为两个阶段。
第一比赛阶段：2017年12月28日0:00:00–2018年2月4日23:59:59
此阶段中，K-Lab使用百度云计算优化型CPU，4核8GB内存。K-Lab单次运行时长为3小时。
任务：
训练：使用已抽取的约10%的视频数据训练集（共124个视频），学习视频帧的图片特征序列数据，在K-Lab中训练精彩片段检测模型。
验证：使用验证集的数据与开放的测评脚本K-Lab，评价训练好的模型在验证集视频上的预测结果。
输出结果：对测试集中的视频使用训练好的模型，得出预测结果，通过K-Lab上传结果到测评系统得到评价分数。
2018年1月14日23:59:59，第一比赛阶段中期截止，分数排名第一的队伍获得鼓励奖。
2018年1月15日0:00:00起，用户通过K-Lab上传结果的同时也需上传K-Lab notebook报告。
2018年2月4日23:59:59，第一比赛阶段截止，且报名截止。选拔使用了PaddlePaddle训练模型且上传了K-Lab notebook报告的队伍中，分数前50名的队伍晋级到第二比赛阶段。
第二比赛阶段：2018年2月9日0:00:00–2018年3月15日23:59:59
此阶段中，K-Lab的配置为GPU（百度免费提供的英伟达深度学习开发卡，CPU：6核40GB），单次运行时长为3小时。选手无需任何申请或安装，直接打开K-Lab在其中使用即可。
任务：
训练：选手必须使用PaddlePaddle训练模型，使用全量视频数据训练集（共1262个视频），学习视频帧的图片特征序列数据，在K-Lab中训练精彩片段检测模型。
验证：使用验证集的所有数据与开放的测评脚本K-Lab，评价训练好的模型在验证集视频上的预测结果。
输出结果：对测试集中的所有视频使用训练好的模型，得出预测结果，通过K-Lab上传结果与K-Lab notebook报告到测评系统得到评价分数。
2018年2月25日23:59:59，第二比赛阶段中期截止，分数排名第一的队伍获得鼓励奖。
2018年3月15日23:59:59，第二比赛阶段截止，百度专家对分数排名前10名的队伍评审K-Lab notebook报告，评选出一名一等奖（5万人民币），2名二等奖（各2万人民币），3名三等奖（各3千人民币）。
写在最后
其实刚看到这个题目的时候觉得有点难，因为这个属于比较新的领域，时序视频检测这个方向大家可以多搜搜论文，看看别人怎么实现的，先试着用最简单的方法做一下。不太建议完全不懂机器学习的人报名，小白可以先参加一些基础的练练手，如果对机器学习和深度学习有些了解的可以报名试试看。目前排名第一的大神已经开放了随机测试的视频，大家可以先用这个代码跑一下，看看提交的格式是啥样的。不管怎么说，重在参与啦~我也报名啦，大家一起来玩啊~而且看到有好几个大佬也参赛了，大家参与一下，体验一下就好哈哈。后续还有nlp、安防领域的，可以这次先练练手，后面的也参加挑战一下^_^!