2、作品提交内容包括作品简介，创意点，团队介绍，技术方案，商业模式，作品完整实现开发排期，作品demo视频展示，配套代码等

参考：

参考1：

行人重识别（Person re-identification）也称行人再识别，是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术。广泛被认为是一个图像检索的子问题。给定一个监控行人图像，检索跨设备下的该行人图像。旨在弥补固定的摄像头的视觉局限，并可与行人检测/行人跟踪技术相结合，可广泛应用于智能视频监控、智能安保等领域。

由于不同摄像设备之间的差异，同时行人兼具刚性和柔性的特性 ，外观易受穿着、尺度、遮挡、姿态和视角等影响，使得行人重识别成为计算机视觉领域中一个既具有研究价值同时又极具挑战性的热门课题。

参考2：

人工智能对于医疗健康领域中的应用已经非常广泛，从应用场景来有虚拟助理、医学影像、药物挖掘、营养学、生物技术,而医学影像是AI在医学领域的最主要应用方向之一。

参考3：

产品质量是制造业的生命线，因产品质量造成的召回、赔偿、商誉受损等，会给企业带来巨大损失，因此高效率、高质量进行质量检测是制造业的重要经营目标。引入机器视觉，替代代替劳动密集型人工作业，是现代化制造企业的必经之路。

质量检测经历人工检测、传统机器视觉检测、和AI机器视觉检测三个阶段。传统机器视觉检测采用工业相机代替人眼进行图像获取，采用工控机CPU代替大脑进行图像分析代替大脑，传统机器视觉存在难以解决的问题：比如抗噪性差。对光学环境要求较高，光源的变更或样品的波动会导致检测精度波动较大，难以同时提升降低误检率与漏检率，导致现场依旧频繁依赖人工二次确认。

AI机器视觉则可有效对传统机器视觉进行补充。AI机器视觉基于卷积核的卷积运算，可有效提升抗噪性，对难以量化的缺陷类型自动提取高级特征进行识别。随着缺陷库的完善，检测精度会持续提升，AI机器视觉将成为质量检测的理想技术。

参考4：

安防摄像头（如道路监控系统，大厦安保系统，行车记录仪等）每天会产生大量的数据。出于安保、取证等需求，视频备份通常需要保存数个月，甚至数年，极大地增加了存储成本。传统的视频压缩方法如mpeg等虽可对视频做大比例压缩，但由于拍摄的场景通常比较单一，用AI方法压缩，压缩比通常可远高于传统压缩方法。

参考5：

三维重建作为环境感知的关键技术之一，可用于自动驾驶、虚拟现实、运动目标监测、行为分析、安防监控和重点人群监护等。在计算机视觉中, 三维重建是指根据单视图或者多视图的图像重建三维信息的过程. 由于单视频的信息不完全,因此三维重建需要利用经验知识. 而多视图的三维重建(类似人的双目定位)相对比较常用。

参考6：

全景图片的拍摄是以相机为中心点，分别拍摄所取景色的一组全视角照片，并通过软件将两张相邻并有一定重合区域的平面照片无缝拼接，将其组合为全方位环绕的球形图像。基于全景图片的数据量小，拍摄制作成本低等优点，全景图片的市场前景也变得越来越广阔，因为其独有的交互性和虚拟现实技术，基于全景图像的CV算法也是很有应用价值的研究方向，例如在无人机和机器人上安装全景相机，如何基于获取的图像进行目标检测，以获取更大的检测视野。

参赛者基于昇腾系列基础硬件和AI软件栈开发出一套基于全景相机的目标检测系统。评判标准为算法精度、模型推理时延、方案创新性等。

参考7：

在传统的AI认知中，视觉领域人脸识别、行为检测，语音领域语音识别和语音合成，自然语言领域人机对话，都有众多成功应用。这些领域之前是独立演进的技术和应用，可以认为是单模态技术，不同的模态形式分别描述同一个对象在不同角度下的特征。人工智能是对人的模仿和学习，而人是一个看、听、说多模态共同工作的智能体，所以多模态技术是未来人工智能应用发展的方向。

参赛者基于昇腾系列基础硬件和AI软件栈开发出一套基于语音、视觉、行为等模态的交互系统，具体场景可以自定义。评判标准为Demo完整度、技术实现难度、方案创新性等。

报名华为命题的参赛团队，在报名成功后可扫描下方二维码，领取2000元代金券，用于团队作品的开发和部署（限队长领取）。