你的浏览器版本过低,可能导致网站不能正常访问!
为了你能正常使用网站功能,请使用这些浏览器。

STM32首届创客大赛中作品的违反规则个人看法

[复制链接]
lebment 提问时间:2020-8-14 11:13 /
  本人AI组,严正声明本人的立场,我加入蝶粉组织六年有余,痴迷STM32但是非从事此类行业,我认为比赛公平第一、友谊第二。  ST全球知名半导体厂商,MCU中国份额稳居高位,我也积极参与了ST的很多活动。

我对我的提出的疑问负责!!!(投票环节是否算决赛的一部分?不符合规则是否可以进入决赛?)
因为STM32是我很长时间的研究,虽然也还是菜鸟级别,但论坛发了很多原创贴,帮助过坛友解决一些问题。既然是比赛就应该有个比赛的样子,不针对个人。
以下是违反比赛规则的作品:
第一个违反比赛规则作品,编号21:
1.jpg
全文没有一处能说明此作品使用了Cube.AI,结果完全在电脑上跑的,严重违反下图一二条规则
2.jpg
第二个违反比赛规则作品,编号17:
3.jpg
此作品AI组参赛,但是没有按照作品要求一二条

第三个疑似违反比赛规则作品,编号13:
4.jpg
没有能够提供足够的信息证明使用了Cube.AI
技术上目标检测在STM32H7上跑非常困难了,它居然采用F407,我个人认为它只是上传图片,后台具备AI处理能力。

比赛就是比赛,我认为可以投票,不反对拉票,你有闲工夫你去拉,只是我对此表示嗤之以鼻。
再次声明不针对个人,作品没有好坏。



1.png
5.jpg
收藏 评论13 发布时间:2020-8-14 11:13

举报

13个回答
STMCU 最优答案 回答时间:2020-8-17 15:49:43
各位亲爱的STM32蝶粉们,大家好!非常感谢大家对于创客秀的关注与支持,蝶粉反馈的问题我们经过认真的内部讨论,通过电话沟通与反馈者达成了共识。现将回复信息公示如下:
STM32创客秀是一个STM32新产品的展示平台,希望看到创作者们充分发挥STM32新产品性能实现诸多新兴应用场景的优化解决方案及设计理念,发现嵌入式世界中的创新力量。
本次微信作品投票环节,是面向所有提交作品提供一个展示自身设计的平台,不决定最终决赛成绩。最终决赛成绩将由线下现场答辩决出,参赛作品将接受现场专家的细致专业的评审。届时各位选手会有机会展示自己的作品,并且相互交流切磋。线下决赛的各项事宜正在积极筹划中,具体时间安排将于近期公布。
再次感谢大家对于创客秀的关注与支持,希望各位参赛选手都可以获得心仪的成绩。
radio2radio 回答时间:2020-8-14 14:22:15
既然是比赛,公平很重要,也考验组织者和评委的水平。 反对网络刷票的方式操弄结果。

作品不可以滥竽充数,实在没有好作品,取消比赛,延长时间都不丢人,反而是负责任的表现。
ts2000 回答时间:2020-8-14 14:51:46
个人考虑的是技术,官方考虑的是利益,,,,,自己想想吧
ts2000 回答时间:2020-8-14 14:52:28
在利益面前,,没有什么公平可说。。。
tanic 回答时间:2020-8-14 15:04:21
过家家罢了,学生玩玩就行了,不要凑热闹
lebment 回答时间:2020-8-14 21:45:50
ts2000 发表于 2020-8-14 14:52
在利益面前,,没有什么公平可说。。。

我没有提利益,既然比赛公平第一,利益与我不相关。
lebment 回答时间:2020-8-14 21:47:34
tanic 发表于 2020-8-14 15:04
过家家罢了,学生玩玩就行了,不要凑热闹

学生才是创新主力好吧,小公司反而只会抄或者组装。比赛另说,不要说这种无关痛痒的话题。
lebment 回答时间:2020-8-14 21:48:46
radio2radio 发表于 2020-8-14 14:22
既然是比赛,公平很重要,也考验组织者和评委的水平。 反对网络刷票的方式操弄结果。

作品不可以滥竽充数 ...

表示赞同你大部分的意见。
picy2008-309232 回答时间:2020-8-14 23:18:04
我们是 “微控制器上的深度学习-人体动作识别”队伍,郑重申明一下,我们的代码和官方demo不一样,并也利用cubi.AI实现了部署和测试,整个代码和项目说明文件这一两天会在论坛里和群里进行开源并发布,欢迎大家交流和测试,参加这个比赛我们主要目的是技术交流,所以主要考虑对技术细节方面的改进,对大家有帮助就好。我们先列出和官方demo的主要不同点,打消贴主的疑虑:
1.训练数据集不一样,我们使用的数据集是usc-had,链接http://sipi.usc.edu/had/,官方的数据集的标签只有六种,本项目的数据集的标签有十二种,所以动作分类更加细化。
2.网络模型不一样,官方只用了加速度计3轴数据,本项目用了加速度和陀螺仪6轴数据。
3.在嵌入式平台上利用cubi.AI实现了部署,具体部署结果截图如下:

CubeAI工具的分析结果

CubeAI工具的分析结果
picy2008-309232 回答时间:2020-8-16 11:37:33
我们是 “微控制器上的深度学习-人体动作识别”队伍,我郑重申明一下,我们的代码和官方demo不一样,并也利用cubi.AI实现了部署和测试,整个代码和项目说明文件这一两天会在论坛里和群里进行开源并发布,欢迎大家交流和测试,参加这个比赛我们主要目的是技术交流,所以主要考虑对技术细节方面的改进,对大家有帮助就好。我们先列出和官方demo的主要不同点,打消贴主的疑虑:
1.训练数据集不一样,我们使用的数据集是usc-had,链接http://sipi.usc.edu/had/,官方的数据集的标签只有六种,本项目的数据集的标签有十二种,所以动作分类更加细化。
2.网络模型不一样,官方只用了加速度计3轴数据,本项目用了加速度和陀螺仪6轴数据。
3.在嵌入式平台上利用cubi.AI实现了部署,具体部署结果截图如下:

Cubi.AI结果截图.png

Cubi.AI结果截图.png
12下一页
关于
我们是谁
投资者关系
意法半导体可持续发展举措
创新与技术
意法半导体官网
联系我们
联系ST分支机构
寻找销售人员和分销渠道
社区
媒体中心
活动与培训
隐私策略
隐私策略
Cookies管理
行使您的权利
官方最新发布
STM32Cube扩展软件包
意法半导体边缘AI套件
ST - 理想汽车豪华SUV案例
ST意法半导体智能家居案例
STM32 ARM Cortex 32位微控制器
关注我们
st-img 微信公众号
st-img 手机版