9月21日，一場圍繞“數(shù)融萬物 智算未來”為主題的2023年智能分析算法專項職工勞動和技能競賽啟動儀式在市北高新園區(qū)隆重舉行，也標志著第七屆“達觀杯”智能文檔版面分析多模態(tài)數(shù)據(jù)處理算法競賽正式拉開帷幕。

關(guān)于達觀杯

作為國內(nèi)領(lǐng)先的智能文本處理企業(yè)， 達觀數(shù)據(jù)已連續(xù)七年主辦了全球性人工智能算法競賽“達觀杯”，邀請高校、科技型企業(yè)和自然語言處理愛好者，共同參與和研究實際業(yè)務(wù)場景下的人工智能技術(shù)問題。屬文本處理領(lǐng)域第一賽事，累計吸引近兩萬名選手參賽，提交作品總數(shù)超三萬件。

賽題背景

隨著數(shù)字文檔的廣泛應(yīng)用和發(fā)展，對非結(jié)構(gòu)化數(shù)字文檔進行智能處理成為了一個備受矚目的研究方向。其中版面分析是文檔智能處理領(lǐng)域中最具價值和挑戰(zhàn)性的一部分，可以為多種下游任務(wù)提供服務(wù)。在金融、制造、政務(wù)等各行各業(yè)的文檔處理中，復(fù)雜結(jié)構(gòu)文檔（包括表格、圖表和文本信息）的版面分析能夠提高信息提取準確性，降低解讀錯誤風(fēng)險，提高自動化流程效率。能夠為多個領(lǐng)域的文檔分析提供支持，具有廣泛的應(yīng)用潛力，為企業(yè)和機構(gòu)提供發(fā)展機會和競爭優(yōu)勢。

為提高計算機視覺、自然語言處理以及多模態(tài)技術(shù)在版面分析任務(wù)中的解決能力，推動這一領(lǐng)域的發(fā)展，特舉辦此次版面分析比賽。該比賽提供了一批文檔版面分析標注數(shù)據(jù)，旨在促進相關(guān)領(lǐng)域的研究者和從業(yè)人員共同提高對版面分析任務(wù)的解決能力。通過參加此次比賽，參賽者有機會運用計算機視覺、自然語言處理以及多模態(tài)技術(shù)，結(jié)合提供的文檔版面分析標注數(shù)據(jù)，提出高效準確的解決方案。該賽題對各行各業(yè)的自動化流程提取關(guān)鍵信息具有重要意義，同時也為其他領(lǐng)域的文檔處理提供借鑒并推動相關(guān)技術(shù)的進一步應(yīng)用和發(fā)展。

賽題任務(wù)

參賽者需根據(jù)提供的比賽背景和數(shù)據(jù)，有效地應(yīng)用相關(guān)領(lǐng)域的知識和方法，解決各行業(yè)領(lǐng)域文檔版面分析任務(wù)的挑戰(zhàn)，提高算法和模型在此項任務(wù)上的性能。具體任務(wù)是識別出給定數(shù)字文檔中的不同信息類別，包括文本、標題、表格等元素，提供的數(shù)據(jù)內(nèi)容包含文檔的圖像信息和對應(yīng)的OCR結(jié)果。參賽者需要開發(fā)一個模型，能夠識別文檔圖像中的常見布局元素，并為每個識別結(jié)果提供置信度評分。

賽事數(shù)據(jù)

初賽和復(fù)賽均提供下載數(shù)據(jù)，選手在本地進行算法調(diào)試，在比賽頁面提交結(jié)果。

• 初賽（A榜）訓(xùn)練集包含3000張左右的圖片和對應(yīng)的版面分析標注以及OCR標注；
• 初賽（A榜）測試集包含1000張左右的圖片和對應(yīng)的OCR標注。
• 復(fù)賽（B榜）測試集包含1000張左右的圖片和對應(yīng)的OCR標注。其中，OCR標注為通過OCR服務(wù)獲得的圖片中的文字位置和文字內(nèi)容，未經(jīng)過人工清洗。

豐厚獎勵

參賽激勵：

1.面試直通車：比賽排名Top50的選手將獲得達觀數(shù)據(jù)全職和實習(xí)工作的面試直通機會，優(yōu)先錄用。

2.“周榜單激勵”：

(1)周榜活動時間：A榜第三周開始每周五統(tǒng)計上周周榜排名

(2)周榜活動規(guī)則：

• 初賽A榜開啟后第三周開啟“周榜單激勵”活動，每周一公布截至上周周榜單TOP1團隊信息，Top1團隊即為“周冠軍團隊”。
• ?經(jīng)審核后，“周冠軍團隊”可獲得價值200元精美禮品一份，本活動每個團隊最多領(lǐng)取2次獎品，超出則順延至下一名次團隊。獎品將在初賽結(jié)束后統(tǒng)一發(fā)放。

3.“魚躍龍門”獎：賽事期間，前10名超過0.85的團隊，可獲得精美獎品一份，數(shù)量有限先到先得

4.“梅開二度”獎：凡過往參與過達觀杯算法競賽的選手，再次參與本屆比賽且取得0.82分以上成績可獲得精美獎品一份！僅限20份，先到先得！

（符合要求且最早填寫問卷的前20支團隊問卷鏈接：https://jinshuju.net/f/mDBvDj）

賽程安排

1. 初賽（A榜）階段：2023年9月21日—2023年11月2日，選手可登錄大賽官網(wǎng)報名；同時開啟初賽線上評測，選手可在線提交結(jié)果文件至競賽平臺，每日每隊最多可提交3次，測評系統(tǒng)將自動評測得分并同步更新至排行榜。排行榜上將記錄選手的最高成績，相關(guān)團隊必須自行保存最高成績作品的源代碼以備審核；初賽（A榜）評測結(jié)束后，成績TOP20的選手可參與（復(fù)賽）B榜評測
2. 復(fù)賽（B榜）測試集發(fā)布：2023年11月3日 12：00
3. 復(fù)賽（B榜）階段：2023年11月3日 12：00—2023年11月5日 23：59
4. 代碼審核階段：2023年11月6日—2023年11月10日
5. 決賽階段：2023年11月中旬（具體時間另行通知）

（暫定，如因不可抗力或其他因素影響而變更時間，組委會將在第一時間通知選手。）

參賽規(guī)則

1. 成績驗證：B榜截止后，排名前10名的團隊需要參與到成績的復(fù)核中，復(fù)核中參賽隊伍需要提供作品源代碼和說明文檔以保證成績的真實有效。復(fù)核有效的隊伍將進入最終的決賽答辯中，決賽答辯中將綜合考慮B榜成績（70%）與算法的高效性、創(chuàng)新性、有效性、合理性等考量指標（30%）得到最終的排名。
2. 作品原創(chuàng)：參賽作品必須保證原創(chuàng)性，不違反任何中華人民共和國有關(guān)法律法規(guī)，不侵犯任何第三方知識產(chǎn)權(quán)或其他權(quán)利，一經(jīng)發(fā)現(xiàn)或經(jīng)權(quán)利人提出并查證，大賽組委會將取消其比賽資格和成績并進行嚴肅處理。
3. 作品知識產(chǎn)權(quán)：參賽作品（包含但不限于算法、模型、方案等）知識產(chǎn)權(quán)歸出題單位、參賽者、官方競賽平臺三方共享，大賽組織單位擁有對參賽作品組織投資對接和產(chǎn)品孵化服務(wù)的優(yōu)先權(quán)利；大賽組織方及競賽平臺均有權(quán)利將參賽作品、比賽信息、參賽團隊信息用于宣傳品、相關(guān)出版物、制定及授權(quán)媒體發(fā)布、官方網(wǎng)站瀏覽及下載、展覽（含巡展）等活動項目。
4. 競賽數(shù)據(jù)說明：組委會授權(quán)參賽人員使用提供的數(shù)據(jù)進行指定比賽的模型訓(xùn)練工作，本次比賽數(shù)據(jù)集的版權(quán)歸達觀數(shù)據(jù)有限公司所有，參賽人員不得將數(shù)據(jù)用于任何商業(yè)用途。若做科研使用，請注明數(shù)據(jù)來源于相關(guān)數(shù)據(jù)提供單位。

參賽顧問

報名參賽

1. 大賽面向社會各界開放，邀請全國范圍內(nèi)從事人工智能、自然語言處理、多模態(tài)算法等技術(shù)的團隊或個人參與。
2. 報名直通車：https://challenge.datacastle.cn/v3/cmptDetail.html?id=824

   （復(fù)制至瀏覽器或戳底部原文鏈接報名）

3. 同時，歡迎大家掃碼加入賽事官方QQ交流群，既可邀人組隊，又有官方答疑喲~

2023年智能分析算法專項職工勞動和技能競賽

組織架構(gòu)

?

指導(dǎo)單位

上海市總工會

上海市經(jīng)濟和信息化委員會

上海市科學(xué)技術(shù)協(xié)會

中共上海市靜安區(qū)委員會

上海市靜安區(qū)人民政府

上海市大數(shù)據(jù)中心

上海數(shù)據(jù)集團有限公司

主辦單位

靜安區(qū)總工會

靜安區(qū)科學(xué)技術(shù)協(xié)會

承辦單位

上海市北高新（集團）有限公司

技術(shù)承辦單位

達觀數(shù)據(jù)有限公司

協(xié)辦單位

上海市計算機學(xué)會

上海市數(shù)據(jù)科學(xué)重點實驗室

靜安區(qū)科學(xué)技術(shù)委員會

上海市可信數(shù)據(jù)研究院（籌）

上海螞蟻鏈產(chǎn)業(yè)開發(fā)創(chuàng)新中心

復(fù)旦大學(xué)計算機學(xué)院

上海師范大學(xué)信息與機電工程學(xué)院

市北高新園區(qū)大數(shù)據(jù)行業(yè)工會

運營單位

上海市市北高新技術(shù)服務(wù)業(yè)園區(qū)總工會

上海聚能灣創(chuàng)新創(chuàng)業(yè)中心

官方賽事平臺

DataCastle