国际赛道1：森林单木树冠分割(华为昇腾限定)
（1）赛道背景
树冠在森林环境的生物活动中起着至关重要的作用，其存在与结构对森林的温度、蒸汽浓度和辐射状况有着重要影响。对于单株树木而言，位置、尺寸、形态均为影响树冠功能的重要结构特征。因此，基于遥感影像进行单木分割并提取其结构特征与树冠已在近两年成为成为了林业遥感领域中的重要课题。国际摄影测量与遥感协会(International Society of Photogrammetry and Remote Sensing, ISPRS)的单木树冠(ITC)分割国际赛道致力于对现有的不同方法进行基准研究(benchmarking study)，厘清基于高分辨率对地观测遥感影像的单木分割方法最新进展，探明未来发展方向。
（2）赛道任务
参赛者将利用主办方提供的高分辨率对地观测影像和单木树冠掩膜标注建立单木分割模型（注：对不同数据集构建与运用单一模型），并利用该模型从高分辨率影像中自动分割出单木树冠范围。赛事主办方将提供提供评估分割精度的线上平台，利用标准化流程对参赛者提交的单木树冠分割结果进行精度评估并展示实时排名。
（3）数据简介
赛事将利用当前迄今为止国际上规模最大，覆盖区域最广，涵盖森林类型最多样的高分辨率影像单木识别数据集，包含来自代表不同气候带多种森林类型的9个国家共11套数据集，总计影像10000余幅、单株树实例标注60余万棵。数据集采用MS COCO Format数据格式，并要求参赛者在赛事进行期间需向线上平台提交符合该格式的单木分割结果，以获得有效的分割精度与排名反馈。
（4）数据说明
赛事取自中国区域的遥感影像，为选手提供了训练集、验证集和A榜测试集，验证集可在最后复现阶段参与到训练环节中。
数据集采用coco实例分割格式存储
（5）提交要求
参赛者需提交依照MS COCO Format格式及影像ID设置文件存储的单木树冠分割预测结果，确保预测掩膜中的影像ID字段（即，“image_id”）符合影像ID设置文件“testing_set_img_id.json”中影像与ID的对应关系
（6）提交示例
样例提交格式：(results.zip解压后不要有目录，只含有一个json文件)
results.zip
——results.json
样例提交文件链接：
https://pan.baidu.com/s/1l93Miubx6u_EUAIZfGKPJg?pwd=ps99
（7）评测标准
赛事将采用AP50作为评价指标。
国际赛道1：森林单木树冠分割(华为昇腾限定)
大赛赛程
本届赛事将于近期开赛，于5月结束并公布最终排名于获奖情况，并邀请排名前六的队伍参加颁奖典礼。
| 环节 | 时间 | 备注 |
|---|---|---|
| A榜 | 2026年1月20日至2026年4月19日 | 参赛队伍可在线提交评测结果参与排名。每日可提交3次，实时评测出分。此阶段内可登录大赛官网报名或组队； |
| B榜 | 2026年4月20日至2026年4月26日 | 参赛队伍可在线提交评测结果参与排名。每日可提交3次，实时评测出分 |
| B榜选手方案复核 | 2026年4月26日后 | 对排行榜成绩进行端到端复现，复现细则将于A榜结束前给出 |
大赛激励
华为昇腾榜单聚焦国产AI算力平台应用,鼓励参赛者基于华为昇腾AI平台开发高性能算法方案，华为昇腾榜单奖项设置如下:
一等奖：奖金5000美金（1支队伍）
二等奖：奖金3000美金（2支队伍）
三等奖：奖金1500美金（3支队伍）
优胜奖：奖金1000美金（4支队伍）
说明：奖金数额为税前数额，个人所得税或其他形式税收将由获奖者承担，由大赛承办方依据中华人民共和国相关法律代缴税款，参赛团队应自行负责在其成员之间分配和分发奖金与奖品，主办方对此将不承担任何责任。
*特别注意
本次比赛不允许选手自主使用外部数据集，预训练模型仅允许使用在2026年1月1日前的开源模型 测试集只允许用于推理流程 （推理流程的定义：输入为测试集数据， 经过携带参数的模型计算，得出推理结果的过程），不允许使用伪标签等操作。
本赛道(华为昇腾)最后的复现阶段要求必须基于华为modelarts平台在24小时内基于昇腾910-b2单卡进行训练和推理复现（总计时间不可超过24小时），同时仅允许使用mindspore框架，最后以复现成绩作为最终有效成绩，具体复现要求将于A榜结束前提供。
本赛道-单木树冠分割(华为昇腾) 以本网站rsipac对应赛道排行榜成绩作为有效成绩
本赛题数据仅限于赛事范围内使用，不得修改、分发或商用，若用于科学研究与成果发表，请关注并正确引用：
https://doi.org/10.1016/j.isprsjprs.2025.12.022
N. Carion, F. Massa, G. Synnaeve, N. Usunier, A. Kirillov, and S. Zagoruyko, “End-to-End Object Detection with Transformers,” in Computer Vision – ECCV 2020, A. Vedaldi, H. Bischof, T. Brox, and J.-M. Frahm, Eds., Cham: Springer International Publishing, 2020, pp. 213–229.