简介面向参加第六届中国研究生人工智能创新大赛华为专项赛的研究生、指导教师与算法爱好者这份docx聚焦赛题官方说明与备赛要点适合在选题、方案设计与提交前核对要求时查阅。文档围绕“AI助力提升未知无规则缺陷图像检测能力”和“样本稀疏场景下的数值类预测”两道赛题展开梳理题目背景、主要挑战小样本缺陷检测、参数量与推理效率约束转化样本稀疏、延迟反馈与冷启动、具体任务、评分构成、提交材料及参考数据集与文献并给出咨询专家信息便于读者快速理解命题意图和技术边界。资源包共1个docx文件约576KB体量轻便适合本地检索与打印批注。目前已有189人学习可作为参赛团队拆解任务、规划模型与对照验收指标的入口材料。1. 选题这一步就走错七道赛题里真正决定成败的是验收路径拿到这份赛题文档多数人第一反应是翻到评分表挑权重最高的那道。带过几轮类似的方案评审之后我发现最容易出问题的地方恰恰是这一步有的题数据能立刻下载、指标能在本地跑出来有的题关键数据在出题方手里你连自家模型到底几分都不知道还有的题交付物里明确要求一份可解释性文档写不出来直接扣人工分。选题的真正依据不是难度而是验收路径有没有闭合你能不能在没有真值的情况下自己造一套自己信得过的评估闭环。下面把七道人工智能赛题拆成一套可复用的方案骨架从选题、四层结构、关键模块实现一路讲到提交前的自查清单与答辩技巧课程设计和毕设也能照着改。2. 赛题拆解七道题的评分权重与交付物对照七道题表面上是七个不相干的方向落到工程上其实只有三类一类比精度一类比泛化一类比交付质量。先把文档里的评分规则摊开看再决定投入哪一道远比上来就调模型划算。很多人盯着「检测精度权重最高」这句话就冲进去了忽略了前面还有三项门槛指标在卡人。2.1 把评分公式翻译成技术约束先看第一道题的权重描述模型数量、参数量、推理效率、检测精度权重依次上升。翻译过来就是——精度是主战场但前三项是门槛模型数量多、参数大、单图慢的方案精度再高也上不去。同时总分被切成竞赛得分 40% 和专家评分 60%专家那 60% 用的是内部未公开数据考察的是泛化性。这条规则的含义很直接公开测试集能刷到的分数上限只有四成剩下六成靠方案文档、可解释性和泛化设计。把八成的精力砸在公开集上刷 0.5 个 IoU是把力气用错了地方。其余几道题的规则也遵循同样的逻辑我把关键约束整理成一张对照表选题时直接对着看赛题方向核心指标硬约束交付物未知缺陷图像检测分割 IoU、缺陷分类标签模型数量少、参数量小、单图推理快分割结果图、可解释性文档、代码稀疏样本数值预测转化率预估精度正负比约 1:10000、存在延迟反馈、新广告冷启模型说明、代码、数据集说明Agent 设备规划控制操控准确率、运行速度、泛化性插件规模 2000、多步并行规划工作流、≥1000 条评估数据集大模型内容安全评测对齐鲁棒性相关指标不得对线上服务做测试方案文档、过程记录细粒度猫狗识别品种识别 个体识别准确率网络 ≤50MB、输入 224×224模型文件、方案文档、代码AI 辅助开发打榜判分 五项人工评审固定底座模型、函数级完整输出Prompt 方案、代码、复现说明图像质量评估PLCC、SROCC 单图耗时仅 CPU、禁用官方外数据output.txt、readme.txt表格里最右一列比中间两列更值得先看。交付物决定了你最后两周是通宵补文档还是从容收尾而文档分在专家评审里往往占到一半。2.2 三类可行性能闭环、半闭环、只能自建评估第一类是本地能完全闭环的未知缺陷检测、细粒度宠物识别、图像质量评估、AI 辅助开发。这四道题都有公开训练集指标也能在本地算出来——IoU 能算、品种准确率能算、PLCC 和 SROCC 更是几行代码的事。闭环意味着你可以做 A/B 对比可以判断一次改动到底是涨了还是玄学波动这是方案能迭代下去的前提。第二类是半闭环的稀疏样本下的转化率预估。公开数据能跑出 AUC但线上真实分布和公开集差得远正负比一万比一这种极端稀疏度本地调出来的阈值到评测集上大概率要重来。这类题的策略是「结构优先」——把 ESMM 这类全空间建模、延迟反馈加权、负采样校准这些结构性设计做扎实别指望靠调参撞大运。第三类只能自建评估Agent 设备规划控制。它要求你自己造一份不少于一千条、控制指令不少于二十种的评估集这份评估集的质量基本等于方案质量。听起来吓人其实是好事——评估集本身就是交付物你造得越细专家看得越明白。两人小队我一般建议选第一类稳有工程底子、想把评估体系当亮点的选第三类。2.3 选题打分表五个维度各打一分真到定题那一步我会拉一张五分制的表数据可获得性、指标可本地复现、算力门槛、交付物工作量、创新空间。任何一项低于 2 分就要慎重。经验值是总分低于 15 分的题后面一定会在某个环节卡住你两周以上——要么是数据拿不到要么是算力不够复现 baseline要么是文档写不出新意。算力这一项特别容易被低估。细粒度识别限死 50MB 网络规模听起来是减负实际上意味着你要在剪枝、量化、蒸馏上做完整实验才能压进预算训练轮次反而更多。缺陷检测那边如果要跑多尺度特征融合显存占用也不低。选题时就该把「我有什么卡、能跑几天」写在纸上再回头看那张评分表。3. 总体方案设计数据—模型—评估—交付四层骨架七道题看着分散落到工程上是同一套骨架数据层负责把少量真实样本撑到能训模型层在参数量、时延、模型数量三个约束下找平衡点评估层保证本地指标和评测口径一致交付层让评委能一键跑起来。这四层任何一层缺位最后都会以「分数不明原因偏低」的形式反噬。3.1 四层结构与时间分配数据层往下是模型层模型层往上必须回接到评估层评估层的结论再反推模型改动这是个环不是流水线。交付层看起来最轻实际决定了专家评分的天花板——一份跑不起来的代码方案写得再漂亮也是零分。我一般按这个比例切时间四周的周期大致如下阶段时间占比必须产出的东西数据与评估闭环25%划分文件、本地指标脚本、基线分数基线跑通20%一个能跑通的单模型 完整指标主攻模块35%精度/时延/参数量的改进对比表交付与文档20%一键复现脚本、可解释性文档评估闭环排在最前面是血泪经验。先有指标脚本再有模型你才知道每次改动值不值反过来做很容易在两周后发现自己一直在优化一个算错的分数。3.2 数据层少量真实样本下的配比与泄露防护真实样本少是七道题里五道都有约束通行做法是三条腿走路几何与光照增强撑多样性缺陷贴图合成撑类别公开数据集撑底量。合成这一步值得认真做直接随机贴一块上去会有明显的「贴纸感」模型学到的是边界而不是缺陷本身。用泊松融合把缺陷 patch 融进正常图纹理过渡自然得多import cv2, random def paste_defect(bg, patch, mask, scale(0.05, 0.25)): 把缺陷 patch 融合到正常图上用于扩充训练集 h, w bg.shape[:2] s random.uniform(*scale) # 缺陷面积占比控制大小分布 pw, ph max(8, int(w * s)), max(8, int(h * s)) patch cv2.resize(patch, (pw, ph), interpolationcv2.INTER_LINEAR) mask cv2.resize(mask, (pw, ph), interpolationcv2.INTER_NEAREST) x, y random.randint(0, w - pw), random.randint(0, h - ph) center (x pw // 2, y ph // 2) # NORMAL_CLONE 保留背景梯度避免出现硬边 return cv2.seamlessClone(patch, bg, mask, center, cv2.NORMAL_CLONE)scale的取值区间决定了合成缺陷的尺寸分布最好照着真实样本里缺陷面积的直方图来定别拍脑袋。mask的边界质量直接决定融合效果用原图的缺陷掩码做形态学腐蚀再放大比手工画框靠谱。合成样本只进训练集验证集和本地测试集必须全部用真实样本否则指标是假的。比增强更容易翻车的是划分方式。工业缺陷往往是同一批次、同一批次内多个样品带同一种缺陷按图片随机划分会把同源缺陷同时分到训练和验证两边本地验证分数虚高十个百分点以上。正确做法是按样品或批次整体划分宁可比训练集小也要保证验证集干净。3.3 模型层参数量、时延、模型数量的三角约束单模型要同时覆盖已知和未知缺陷思路是把任务拆成两半未知缺陷靠无监督的异常检测拿到「哪里有异常、异常有多强」已知缺陷靠一个极轻的分类头拿到标签。这样一套主干加两个头模型数量是一参数量能压到 5M 以内。关键参数我一般写成配置常量改的时候一目了然BUDGET { backbone: mobilenet_v3_small, # 约 2.5M 参数够用且推理快 input_size: (512, 512), # 缺陷偏小512 比 224 更稳 feature_layers: [stage3, stage4], # 浅层抓纹理深层抓大缺陷 coreset_ratio: 0.01, # 记忆库采样比例直接决定 kNN 耗时 max_params_m: 5.0, # 参数量硬上限 max_latency_ms: 120, # 单图端到端耗时上限 }feature_layers选两层是有讲究的只取深层细划伤这种小目标会丢只取浅层大面积多区域缺陷又分不清。coreset_ratio是最灵敏的一个旋钮从 0.1 降到 0.01记忆库小十倍、kNN 快十倍精度通常只掉一到两个点这个交换在参数量和时延双约束下基本是必做的。max_latency_ms要在目标硬件上实测不是在你本地的工作站上测。3.4 交付层评审能一键跑起来的目录约定交付目录不需要多漂亮但必须让人在三分钟内跑通。我固定的结构是data/放数据说明而不放数据本身models/放权重src/放全部源码根目录一个run.sh加一个README.md。README 里只写三件事环境怎么装、命令怎么敲、预期输出长什么样。少写背景多写命令。还有一处常被忽略把预处理参数固化进代码或配置文件别写在文档里靠人记。归一化均值方差、resize 的插值方式、通道顺序这三项任何一项和训练时不一致评测分数就会莫名其妙掉一大截。我在src/里单开一个preprocess.py训练和推理共用同一份实现从根上消灭这种不一致。4. 关键模块实现缺陷检测与稀疏转化预估两条主线七道题实现细节各不相同但有两类模块是可以复用的一类是「异常定位」缺陷检测、图像质量评估都在用它一类是「稀疏标签建模」转化率预估是典型。把这两个模块写扎实换题的时候只改数据接口。4.1 单模型覆盖已知与未知patch 特征记忆库未知缺陷没法监督训练只能用正常样本建模推理时看哪些区域偏离正常分布。做法是从正常图里抽 patch 级特征压成一个记忆库推理时对每个 patch 做最近邻检索距离即异常分数。import torch, torch.nn.functional as F torch.no_grad() def build_memory_bank(loader, backbone, layers, ratio0.01, seed0): 只用正常样本构建记忆库推理阶段不再更新 feats [] for img, _ in loader: maps backbone(img, out_layerslayers) # 多层特征对齐到同一分辨率后拼接兼顾纹理与大尺度缺陷 maps [F.interpolate(m, sizemaps[0].shape[-2:], modebilinear) for m in maps] f torch.cat(maps, dim1) f F.avg_pool2d(f, 3, stride1, padding1) # 3x3 邻域平滑抑制噪声 feats.append(f.permute(0, 2, 3, 1).reshape(-1, f.shape[1])) bank torch.cat(feats, dim0) g torch.Generator().manual_seed(seed) idx torch.randperm(bank.shape[0], generatorg)[: int(bank.shape[0] * ratio)] return F.normalize(bank[idx], dim1) # 归一化后可用余弦距离avg_pool2d那一步是稳定性的关键不做邻域平滑单像素噪声会在异常图上炸出一片假阳性。F.normalize之后用余弦距离阈值就可以按正常样本分数的分位数来定换个数据集也不用重调。推理时的异常分数取每个 patch 到记忆库的 top-k 距离均值k 取 3 到 5 之间比较稳。这套结构天然能报「未知」任何偏离正常分布的区域都会被高亮不需要事先知道缺陷叫什么名字。已知缺陷的分类则交给 4.2 的实例分类头两条路互不干扰。4.2 从异常图到分割结果与分类标签赛题要求同时给出分割结果图和分类标签中间差一步「异常图转实例」。连通域分析是最省事的做法但面积过滤一定要做否则一堆碎片会把 IoU 拖下去。import cv2, numpy as np def anomaly_to_instances(score_map, threshold, min_area30): 异常热图 - 连通域 - 每个缺陷一个实例供分类头打标签 mask (score_map threshold).astype(uint8) num, labels, stats, _ cv2.connectedComponentsWithStats(mask, connectivity8) insts [] for i in range(1, num): x, y, w, h, area stats[i] if area min_area: # 过滤噪点避免碎片拉低 IoU continue insts.append({ box: (x, y, w, h), area: int(area), score: float(score_map[labels i].max()), }) return inststhreshold不要写死用正常样本异常分数的 99 分位定这样换产线、换光照都不用改代码。min_area和 IoU 的关系是反直觉的调大它召回降一点但误检掉得更快整体 IoU 往往反而涨。我一般从 20 开始往上扫画一条 IoU 随min_area变化的曲线取顶点。分类标签的设计要兼顾「已知」和「未知」。已知类别走分类头输出具体名字分数低于置信阈值的统一归到「未知-形态描述」这种自造标签下——比如按长宽比和面积分成「未知-线状」「未知-斑状」「未知-多区域」。这样未知样本也有标签评测方看结果图时能明白你识别到了什么。可解释性文档就在这一步顺手产出记忆库检索命中的正常 patch 位置、异常分数在多层特征上的贡献分布、分类头对每个实例的注意力区域三张图配一段说明讲清哪一层特征对哪类缺陷起了作用。这件事不能留到最后补补出来的文档一定是泛泛而谈。4.3 稀疏样本下的转化率预估负采样校准与延迟反馈正负比一万比一直接训练模型会一路预测零。通行方案是负采样加全空间建模采样后的预估概率要按采样率反算回去否则整体偏高业务侧阈值全废。import torch, torch.nn.functional as F def esmm_loss(pctr, pcvr, ctr, cvr, delay_w, eps1e-6, neg_ratio0.05): CTR/CVR 联合训练 延迟反馈加权neg_ratio 为负样本采样率 l_ctr F.binary_cross_entropy(pctr.clamp(eps, 1 - eps), ctr) # 延迟窗口内未观测到转化的样本降权缓解假负样本 w torch.where(cvr 0.5, torch.ones_like(delay_w), delay_w) l_cvr F.binary_cross_entropy(pcvr.clamp(eps, 1 - eps), cvr, weightw) return l_ctr 0.5 * l_cvr def calibrate(p_s, neg_ratio): 把采样空间下的预估概率还原到全空间 return p_s / (p_s (1 - p_s) / neg_ratio)delay_w按「点击到当前的天数」做衰减窗口越短权重越低这样模型不会把还没转化的样本当成铁定的负例。calibrate是必须做的一步缺了它模型在采样空间里是准的回到全空间就系统性偏高AUC 好看但业务不可用。联合训练里 CVR 分支的梯度只从点击样本回传靠的是 pctr × pcvr 这个乘积结构权重 0.5 是我试下来比较稳的折中任务偏转化可以调到 0.7。冷启动那部分我用类目和素材的 embedding 做先验新广告的预估往同类目均值收缩收缩强度随曝光量递减。这个设计写进方案文档里比堆模型结构更能打动评委。4.4 评估层本地复现 IoU / PLCC / SROCC指标脚本必须和评测口径一致包括那些容易被忽略的细节IoU 是逐图平均还是全图汇总、PLCC 之前要不要做非线性拟合、时延是单图还是批处理摊薄。这些差异足以让本地分数和线上分数差出五个点。import numpy as np from scipy.stats import pearsonr, spearmanr def iou(pred, gt, eps1e-6): inter np.logical_and(pred, gt).sum() union np.logical_or(pred, gt).sum() return float(inter / (union eps)) def iqa_report(mos, pred, cost_list): 图像质量评估PLCC 前先做单调映射SROCC 不需要 plcc pearsonr(mos, pred)[0] srocc spearmanr(mos, pred)[0] return {PLCC: round(float(plcc), 4), SROCC: round(float(srocc), 4), avg_cost_s: round(float(np.mean(cost_list)), 3)}iou逐图算完再取均值别把所有图拼成一张算长尾小缺陷会被大图淹没。iqa_report里时延单独统计因为评分规则里它和相关系数并列如果规则要求五个维度分别打分就把它拆成五次调用每次一个子集的 MOS。整套脚本跑三遍不同随机种子取中位数写进文档比报一个最好成绩可信得多。5. 避坑与排查五个在提交前一晚才暴露的问题5.1 本地 IoU 0.8评测集 0.4现象是本地验证一路顺畅提交后分数腰斩。九成原因是预处理不一致训练用双线性 resize推理用了默认最近邻或者归一化用了 ImageNet 均值训练时其实用的是自定义统计量。解决办法是把预处理抽成单独模块训练、验证、推理三条路径全部调用同一份实现并且在推理脚本开头打印一次输入张量的均值和范围肉眼确认。5.2 参数量统计口径对不上现象是本地算出来 48MB评审那边量出来 62MB直接被扣分。原因是只统计了主干网络漏掉分类头、记忆库缓存文件、后处理用到的中间权重。解决办法是提交前用脚本遍历交付目录下所有.pth、.onnx文件累加体积把记忆库这类非参数但占空间的缓存也算进去。上限 50MB 的题压到 45MB 再提交留余量。5.3 推理时延测出来很好看实测超一倍现象是本地测 40ms评审测 100ms。三个常见原因本地测的是批处理摊薄后的单图时间评审是逐图串行本地算了 GPU 时间实际部署只有 CPU首次推理包含模型加载和内存分配没有剔除预热。解决办法是显式做十次预热、再逐图计时取中位数并且强制在 CPU 上跑一遍完整流程把 IO 读取也算进去。5.4 负采样后概率没校准现象是离线 AUC 很高一上线预估转化率整体偏高五到十倍。原因是模型在采样空间里学的是「相对排序」没做过采样率还原。解决办法就是 4.3 里那个calibrate函数在推理出口统一做一次反算并且在文档里写清楚采样率取值。这一条在稀疏场景里几乎必犯写完代码先自测一遍预估均值是否接近真实正样本比例。5.5 可解释性文档写成了模型介绍现象是文档洋洋洒洒十页评委看完不知道哪些节点对哪些缺陷起了作用。原因是通篇在讲网络结构没有落到「特征—缺陷形态」的对应关系上。解决办法是提前准备好三张图正常样本检索命中位置、多层特征的异常贡献热力图、分类头的注意力区域每张图配一句结论比如「深层特征对多区域缺陷的响应比浅层高 2.3 倍」。有数据、有对比、有结论才叫可解释性文档。6. 验收与答辩把六成的专家评分变成一份可复现清单专家评分占大头且用未公开数据考察泛化所以答辩现场最有效的一招不是讲模型多新而是当场证明「换一份数据我的分数不会崩」。我会准备一份复现清单逐项过一遍再上场检查项验证方式通过标准环境可复现干净容器里按 README 装一遍无手动步骤一次成功推理可复现换机器、换路径、换种子跑三次指标波动 0.5 个点泛化可验证留出一个未参与训练的批次做盲测掉点幅度写在文档里资源达标统计权重大小、逐图计时参数量与时延均留 10% 余量文档可对照每个结论都能指到一张图或一张表无孤立的定性描述答辩讲述顺序也有讲究。开头三分钟不要放架构图直接放一组对比同一张缺陷图基线模型的漏检区域和你方案的检出区域并排配上 IoU 数字。评委的注意力只有前几分钟先把「解决了什么问题」摆出来后面再讲怎么做到的。中间讲消融每一条改动对应一个指标变化讲不清楚涨在哪的改动就删掉留着反而会被追问。最后留一页讲失败案例主动说清哪类缺陷仍然漏检、为什么比被问出来强得多。有个细节值得单独说盲测。自己留一个从未参与训练和调参的批次跑完把掉点幅度写在文档首页。这件事做了泛化性这个话题你就掌握了主动权不做评委一问「换产线还行吗」就只能靠嘴硬。我一般留 15% 的真实样本做这件事宁可牺牲一点训练量。从那以后我每次提交前都强制走一遍「换机器、换路径、换随机种子」的三换测试跑不通就不提交跑通了才写文档。这套习惯救过我两次一次是硬编码的绝对路径一次是没锁版本的依赖。希望帮到你。本文还有配套的精品资源点击获取
