原赛题名称: 佳知慧行杯:慧行·AI上星城市视觉算法兆战赛

合作单位

宇算星河（广州）科技有限公司

广东省科学院广州地理研究所

赛题简介

由宇算星河（广州）科技有限公司和广东省科学院广州地理研究所共同出题，聚焦高分辨率遥感影像的城市交通智能理解，面向路口检测、开放集目标识别与多模态指代描述等任务，遴选兼具检测精度、泛化能力、推理效率和轻量化部署能力的创新方案，推动卫星影像从“数据采集”向“星上推理”升级。

赛题背景

随着高分辨率光学遥感卫星与通用人工智能技术的快速发展，从太空视角感知城市道路结构与城市运行状态，已成为智慧城市建设和现代交通治理的重要方向。卫星遥感影像具有覆盖范围广、空间连续性强、获取效率高等优势，可为城市道路网络分析、交通基础设施评估和宏观交通态势研判提供重要支撑。

然而，城市遥感交通场景具有目标尺度小、道路拓扑复杂、遮挡干扰明显、城市间分布差异大等特点。传统视觉算法通常只能识别预定义类别，难以适应真实城市环境中不断出现的新型道路结构、特殊区域和未知目标。同时，随着多模态大模型的发展，遥感图像理解也逐渐从固定类别检测扩展到自然语言驱动的目标定位和场景描述。

本赛题围绕高分辨率城市卫星影像中的交通场景理解展开，设置城市交通目标检测、开放集多场景检测和多模态理解等递进式任务，鼓励参赛者探索计算机视觉、开放集识别与多模态大模型在遥感交通场景中的融合应用，推动卫星影像从“目标检测”向“场景理解”升级。

比赛任务

本次挑战要求参赛者基于高分辨率城市卫星影像，构建面向城市交通场景的自动化视觉理解系统，实现道路路口检测、城市开放集目标识别、多模态指代性检测与场景描述等任务。系统需要在树木遮挡、建筑阴影、复杂道路拓扑、小尺度目标、跨城市分布差异等条件下，准确识别城市交通场景中的关键目标与区域，并具备对未知目标和复杂语义指令的理解能力。

参赛者需要检测并定位卫星影像中的典型道路交叉口；同时还需面向真实城市开放场景，对未定义或未见过的道路结构、特殊区域及其他城市目标进行识别。在多模态理解任务中，参赛者需要结合自然语言指令与卫星影像内容，定位被指代的目标或区域，并生成城市交通场景描述，体现对道路结构、空间关系、目标分布和交通语义的理解能力。决赛阶段算法将在算力卫星上运行，因此参赛方案不仅需要具备较高的检测精度、开放集识别能力和多模态理解能力，还需要充分考虑模型轻量化、资源消耗、推理速度与部署效率，在受限算力条件下实现稳定可靠的星上智能分析。

其他补充

数据集说明：

赛题组将提供覆盖多个典型城市、包含丰富交通拥堵场景和复杂道路结构的遥感卫星影像数据集。

技术要求：

参赛方案应兼顾模型精度与部署效率，尤其在决赛阶段需考虑算力卫星运行环境下的资源限制。模型设计应关注参数规模、显存占用、推理延迟和能耗开销，在保证检测与理解效果的同时，提升轻量化部署和星上推理能力。

提交要求：

参赛者需按照赛题平台要求提交模型推理结果、算法说明文档及必要的运行配置文件。提交内容应能够完整复现检测、开放集识别、多模态指代定位与场景描述等结果，并保证输出格式符合平台评测规范。

技术限制：

禁止使用外部数据进行训练或微调，参赛者只能基于官方提供的训练数据进行开发。

扫描二维码进选手答疑群：

点击进入报名参赛