1. 賽題名稱

聯合建筑物提取和高度估計的多任務學習

2. 賽題背景

該軌道定義了建筑物提取和高度估計的聯合任務。兩者都是建筑改造的兩個非常基礎和必不可少的任務。與軌道 1 相同，輸入數據是多模態光學和 SAR 衛星圖像。單視圖衛星圖像中的建筑物提取和高度估計取決于從圖像中提取的語義特征。與傳統的單獨實現相比，多任務學習通過重用特征并在多個任務之間形成隱式約束，提供了一種潛在的優越解決方案。衛星圖像提供參考數據，即建筑物足跡和標準化數字表面模型 (nDSM)。參與者需要重建建筑物高度并提取建筑物足跡。圖 2 顯示了一個示例。

3. 數據說明

提供rgb和單通道的sar數據，訓練數據1773對樣本，驗證數據（即第一階段的測試樣本）共579張，數據量非常少。暫且不清楚能否使用賽道一的數據訓練建筑物檢測任務。

4. baseline

基于mmdetection框架的maskrcnn用于建筑物實例分割任務，PSPNet+resnet50用于高度估計任務。

備注：baseline尤其是高度估計的代碼可用性不高

baseline地址：

https://github.com/AICyberTeam/DFC2023-baseline

5. 獎品及規則

每條賽道中排名第一、第二、第三和第四的隊伍將被宣布為獲勝者。

獲獎作品的作者將：

在 IGARSS 2023 的 DFC23 特邀會議上展示他們的方法

在 IGARSS 2023 會議記錄中發表他們的手稿

獲得 IEEE 認可證書

每個賽道的第一、第二和第三名的團隊將分別獲得 5,000 美元、2,000 美元和 1,000 美元（美元）的現金獎勵。

每個賽道排名第一和第二的團隊的作者將共同撰寫一篇總結 DFC23 成果的期刊論文，并將以開放獲取的方式提交給 IEEE JSTARS。

排名靠前的團隊將于 2023 年 7 月在美國帕薩迪納舉行的 IGARSS 2023 期間獲獎。

6. 參與方式

在codalab和星圖地球官網同時報名，請注意用戶名使用同一個。參與兩個賽道只需在星圖地球報名一次。

7. 賽程安排

初賽 2023年1月3日-2023年2月28日

向參與者提供訓練數據和額外的驗證圖像（沒有相應的參考數據）來訓練和驗證他們的算法。

復賽 2023年3月6日-2023年3月13日

參與者收到測試數據集（無相應參考數據），并在七日內提交結果。

8. 比賽地址

https://codalab.lisn.upsaclay.fr/competitions/8988
——————————————————
以上內容來自公眾號“遙感深度學習”，專注于“遙感+深度學習”相關信息共享，包括技術、論文、代碼、競賽等前沿資料。

總結

以上是生活随笔為你收集整理的赛事推荐| 建筑物实例分割和高度估计的多任务学习——2023 IEEE GRSS 数据融合赛道2的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。