資料集下載
本頁公開之資料及為歷屆競賽成果。 進行中競賽之資料集，請至各競賽平台下載。
2018生醫論文自動分析熱身賽
⚠️注意事項：此資料僅供學術使用，如須引用至他處，請註明資料來源如下：
(1) "教育部人工智慧競賽與標註資料蒐集計畫(MOE AI competition and labeled data acquisition project)"
以及
(2) 論文 "Ming-Siang Huang, Po-Ting Lai, Pei-Yen Lin, Yu-Ting You, Richard Tzong-Han Tsai, Wen-Lian Hsu: Biomedical named entity recognition and linking datasets: survey and our recent development. Briefings Bioinform. 21(6): 2219-2238 (2020)"
參與本競賽的人能實務的了解分析生物醫學資料的流程與技術，並體現轉譯醫學思維，能夠了解利用自然語言處理技術將基礎醫學、生物資訊研究，和臨床治療連結的大思維。
比賽內容詳見：
2019生醫論文自動分析正式賽-生醫關聯擷取
⚠️注意事項：此資料僅供學術使用，如須引用至他處，請註明資料來源如下：
(1) "教育部人工智慧競賽與標註資料蒐集計畫(MOE AI competition and labeled data acquisition project)"
以及
(2) 論文 "Ming-Siang Huang, Po-Ting Lai, Pei-Yen Lin, Yu-Ting You, Richard Tzong-Han Tsai, Wen-Lian Hsu: Biomedical named entity recognition and linking datasets: survey and our recent development. Briefings Bioinform. 21(6): 2219-2238 (2020)"
參與本競賽的人能實務的了解分析生物醫學資料的流程與技術，並體現轉譯醫學思維，能夠了解利用自然語言處理技術將基礎醫學、生物資訊研究，和臨床治療連結的大思維。
2019論文機器閱讀競賽
⚠️注意事項：此資料僅供學術使用，如須引用至他處，請註明資料來源如下：
"教育部人工智慧競賽與標註資料蒐集計畫 (MOE AI competition and labeled data acquisition project)"
如何設計一個系統，能自動閱讀論文摘要後，標註並統整論文裡所涉及的演算法？ 鑑於當今電腦科學的發展日新月異，演算法的更迭與演進以爆炸式的成長，歸納及統整這些演算法所需的人力將不復以往，而爬梳相關文獻所需的時間也往往讓研究者們深感無力。因此，讓機器自動梳理這些不斷推陳出新的演算法，將會是無可避免的嘗試。即便在人力可負擔的情形下，讓機器自動統整相關演算法，將可以讓研究者騰出時間做更有意義的事。
2020台灣高經濟作物-愛文芒果影像辨識正式賽
⚠️注意事項：此資料僅供學術使用，如須引用至他處，請註明資料來源如下：
"教育部人工智慧競賽與標註資料蒐集計畫 (MOE AI competition and labeled data acquisition project)"
希望基於自動化、精準化的AI影像辨識技術導入概念，在未來利用台灣本地資料庫建立一套自動芒果篩果系統，並在未來進一步希望能與政府單位合作完整芒果智能履歷搭建，同時拉抬台灣本地愛文芒果的精緻化。
比賽內容詳見：
2020歌聲轉譜與和弦辨識競賽
⚠️注意事項：此資料僅供學術使用，如須引用至他處，請註明資料來源如下：
(1) "教育部人工智慧競賽與標註資料蒐集計畫(MOE AI competition and labeled data acquisition project)"
以及
(2) 論文"Jun-You Wang, Jyh-Shing Roger Jang: On the Preparation and Validation of a Large-Scale Dataset of Singing Transcription, in the Proceedings of 2021 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP),276-280."
各式各樣的線上音樂平台正在積極的拓展各式各樣的 AI 音樂分析與應用，並成立屬於自己的機器學習或是人工智慧部門。此類服務在機器學習的研究上可以分成兩個部分，一是針對使用者行為做推薦，另一則是針對歌曲的本質做推薦，因此熟悉這些音樂基本分析元素及機器學習之方法的人才在目前的音樂產業中是亟需被重點培養的。
2022無人機飛行載具之智慧計數競賽
議題暨資料提供單位：國立陽明交通大學 謝君偉教授 Dr. Jun-Wei Hsieh ( AICV Lab ) , NYCU
⚠️注意事項：此資料僅供學術使用，如須引用至他處，請註明資料來源如下：
(1) "教育部人工智慧競賽與標註資料蒐集計畫(MOE AI competition and labeled data acquisition project)"
近年來科技高度發展所帶來之影響，已逐漸深入人類生活環境。無人飛行載具提供更寬廣的視野及更高度的移動性和靈活性，至今已被應用在許多不同產業領域，如地理資訊蒐集、交通監控、物品運送、通訊網路中繼站等不同類型。本次計畫著重於AI與影像辨識及無人飛行載具應用，期望參賽者以日常生活可能遭遇之問題為出發點，將深度學習原理作為基礎，運用相關人工智慧核心知識深入發展應用，進而將無人飛行載具相關技術應用於實際環境中，結合不同領域之人才並發揮創意，將平時所學專業知識確實落地，提升個人及團隊之實作能力與競爭力。 本次競賽主題為AI與影像辨識-無人機飛行載具之智慧計數（車輛與人群計數），無人機載具有高度移動性以及遠距遙控功能，能夠快速且輕易到達不容易接近的區域，搭配高解析度相機即如同鷹眼般，能從空中俯視地表，並將地表一切變化詳實記錄在影像中而不遺漏，目前國內尚無此空拍影像分析之比賽，此計畫將以無人機空拍影像為基礎，運用深度學習原理等相關訓練模組進行車輛與人群數量辨識。
2022尋找花中君子 - 蘭花種類辨識及分類競賽
議題暨資料提供單位：國立中正大學 黃仁竑教授 Dr. Ren-hung Hwang (HSNG Lab), NCCU
⚠️注意事項：此資料僅供學術使用，如須引用至他處，請註明資料來源如下：
(1) "教育部人工智慧競賽與標註資料蒐集計畫(MOE AI competition and labeled data acquisition project)"
臺灣蘭花栽培歷史悠久、品種繁多，產量及品質在國際上受到肯定，臺灣有著領先全球的蘭花育種研發，擁有世界上最多的蝴蝶蘭品種，九成的蝴蝶蘭用於出口，使其成為國內精緻農業金額首位。但因農業生物科技的進步，大量組織苗的繁殖，影響新品種的研發，加上其它國家積極投入育種生產，育種廠商大都有其專注培養的品種，由於各蘭花品種的型態較為類似，往往需要專業人士才能進行區別，目前全球均未有蝴蝶蘭品種的辨識軟體與技術，本競賽欲透過舉辦蘭花種類辨識及分類競賽，邀集具AI、機器學習、深度學習專長的專家與高手，訓練出高辨識率的蘭花品項影像辨識模型，除了能提升產業競爭力外，更讓社會大眾對於蘭花這類高經濟作物有更多的認識，進一步提升蝴蝶蘭的銷售與產值。
2022 農地作物現況調查影像辨識競賽
議題暨資料提供單位：國立成功大學 王驥魁教授 Dr.Chi-Kuei Wang (Website), NCKU
⚠️注意事項：此資料僅供學術使用，如須引用至他處，請註明資料來源如下：
(1) "教育部人工智慧競賽與標註資料蒐集計畫(MOE AI competition and labeled data acquisition project)"
農地作物現況調查作業使用人員搭配相機於現地拍照並記錄，透過大量人力之努力建立影像資料庫。然而我國農地區域廣泛，且坵塊數量眾多且劃分細碎，導致獲取之影像資料數量龐大，若將其轉為可用於管理系統操作之資訊，極度耗費人力與時間成本。目前AI技術日趨進步，對於影像判釋工作近年來已趨於成熟，非常適合導入農地作物現況調查之作業程序，加速農政單位獲取所需之資訊。
目前雖有完整之民生、工業、醫療等相關領域之AI資料集，然而在農業領域卻相對缺乏，在未來AI技術運用於智慧農業之需求上，勢必需要先投入大量之專業人力進行農業相關資訊之蒐集及分析作業。因此透過本競賽提出之課題，將協助學生瞭解農業資料集與農產業影像辨識之應用需求，並培育學生運用AI技術進行農業領域影像辨識之經驗及技術能力。
本競賽資料由行政院農業委員會提供，影像皆由專家進行分類，共33種類作物之標註資訊，並含有拍攝作業用之準心資訊，準心係協助專家判釋作物之依據。參賽隊伍須能使用AI正確辨識各影像之作物。
比賽內容詳見：
2023 教電腦看羽球
議題暨資料提供單位：國立陽明交通大學資訊工程學系網路最佳化實驗室
⚠️注意事項：此資料僅供學術使用，如須引用至他處，請註明資料來源如下：
(1) "教育部人工智慧競賽與標註資料蒐集計畫(MOE AI competition and labeled data acquisition project)"
近年統計全球有約22億羽球人口，台灣則超過3百萬人，單項運動全國普及度排名第二，且近年羽球選手在國際賽場上有十分突出的表現，國民關注度逐漸提升。
針對羽球技戰術分析，本團隊已提出比賽拍拍記錄格式並開發了電腦視覺輔助的快速拍拍標記程式，啟動羽球大數據的研究，雖然已使用許多電腦輔助的技巧，但人工進行拍拍標記依然需耗費人力及時間，尤其技術資料識別仍需具有羽球專業的人員來執行。透過本競賽期望能邀集具機器學習、影像處理及運動科學專長的專家與高手，開發高辨識率的自動拍拍標記模型，讓巨量羽球情蒐成為可能，普及羽球技戰術分析的科研與應用。
比賽內容詳見：
2023 多模態病理嗓音分類競賽
議題暨資料提供單位：元智大學人工智慧跨域創新應用中心
⚠️注意事項：此資料僅供學術使用，如須引用至他處，請註明資料來源如下：
(1) "教育部人工智慧競賽與標註資料蒐集計畫(MOE AI competition and labeled data acquisition project)"
本競賽主題將聚焦於生醫產業領域應用，期盼利用人工智慧技術提升人類的健康福祉。 近年，隨著高壓的生活環境，各式各樣的文明病引起醫學界的注意，其中嗓音疾病常見於職 業上需要大量用聲族群，如老師、業務、講師、零售攤販等，由於聲帶位處於喉部深處，喉 部嗓音疾病檢測相當不易，需專業醫師操作特定儀器方能對病患進行診斷及治療，再加上現 代人工作繁忙，不時有延誤就醫之情形。在近年 COVID-19盛行期間，張口進行內視鏡檢查恐有飛沫傳播之風險。若能將人工智慧應用於非接觸式，透過嗓音訊號(動態聲音)結合病史紀錄(靜態文字)偵測喉部病徵並分類，有機會早期發現，早期治療，將會是所有嗓音患者之一大福音。競賽歡迎具人工智慧、機器學習、深度學習相關領域之專家或欲學習此領域之高手一同參與競賽，設計與開發模型。
2023 真相只有一個: 事實文字檢索與查核競賽
議題暨資料提供單位：國立成功大學 智慧型知識管理實驗室
⚠️注意事項：此資料僅供學術使用，如須引用至他處，請註明資料來源如下：
(1) "教育部人工智慧競賽與標註資料蒐集計畫(MOE AI competition and labeled data acquisition project)"
近年來，新聞媒體及社群網路平台的資訊傳播速度越來越快，這也導致假資訊的問題越來越嚴重，混淆民眾的判斷。然而，目前絕大多數針對假資訊的處理都是基於人工辨識，驗證假資訊的過程繁複且耗時，往往跟不上假資訊的產生速度，如果能將驗證資訊的過程自動化，就能夠可以大幅降低一般民眾接觸到假資訊的頻率。
在AICUP2023中，本競賽將提供一個事實資料庫以及陳述句 (claim)，參賽者需要建立自動化的事實檢索與查核系統，以驗證陳述句的真偽。如果陳述句能夠「支持」或「反對」事實，系統也必須透過檢索資料庫中的文章來提供證據句。需要注意的是，由於事實有可能會隨時間推移而產生變化，參賽者只能使用我們提供的資料庫進行事實驗證。
2023 圍棋棋力模仿與棋風辨識競賽
議題暨資料提供單位：國立東華大學資訊工程學系
⚠️注意事項：此資料僅供學術使用，如須引用至他處，請註明資料來源如下：
(1) "教育部人工智慧競賽與標註資料蒐集計畫(MOE AI competition and labeled data acquisition project)"
本競賽包括模仿圍棋棋力競賽與辨識圍棋棋風競賽，由於下圍棋是人類的智慧行為，模仿各種階段的圍棋棋力可以說就是模仿各種階段的人類的智慧行為，未來元宇宙的發展中，將會需要設計許多非人類角色(NPC)，增加元宇宙的豐富內容，因此培養這種人才是很重要的。而辨識圍棋棋風則是賦予NPC個性，這也是與人類共存的機器人所需要的特質之一。
本競賽需要應用深度學習方法，例如CNN, ResNet, Transformer，可達到初步的成果。如果要效果更好，需要設計擷取各種feature方法，或是使用meta learning, few-shot learning, GAN或是強化式學習方法MCTS, Alpha Zero等進階方法。本競賽兼顧AI方法的廣度與深度，是大專學生很好的研究題目，可以訓練學生應用深度學習的能力。
2023 隱私保護與醫學數據標準化競賽: 解碼臨床病例、讓數據說故事
議題暨資料提供單位：國立高雄科技大學電機工程系（智慧型系統實驗室）、亞洲大學生物資訊與醫學工程學系、澳洲 SREDH 協會
⚠️注意事項：此資料僅供學術使用，如須引用至他處，請註明資料來源如下：
(1) "教育部人工智慧競賽與標註資料蒐集計畫(MOE AI competition and labeled data acquisition project)"
近年來，人工智慧技術蓬勃發展，尤其在最近一年內，OpenAI、微軟和 Google 等公司紛紛引入並運用其自家發展的大型語言模型於相關產品中。這些應用包括 ChatGPT、Bing Search 和 Bard 等，顯示了大語言模型（Large Language Model）在各領域的應用潛力，大型語言模型在臨床醫療的應用也因此被視為是人工智慧未來在智慧醫療領域上非常重要的發展方向。然而在應用此類模型時，一般的使用者甚至是系統或程式開發人員往往未意識到跟大型語言模型互動時的隱私資訊問題，也因此可能導致重要隱密資訊的洩漏危機。此外，在訓練此類大型語言模型時所使用的訓練資料內，若是包含有真實的隱私資訊（如個人的姓名、電話、身分證號碼等），有一定的可能性因為大型語言模型的記憶能力與跟使用者的互動能力，導致隱私資訊的洩漏。
另一方面，在數位轉型的浪潮下，全球各級醫療院所逐步採用電子健康紀錄系統，讓電子健康紀錄成為重要的臨床醫學資料分析來源。然而醫療院所內的文本電子病歷（Electronic Medical Record），字裡行間往往充斥著與病患相關的隱私或隱密資訊；以下表為例，該電子病歷中的粗體文字描述了該病患的出生年月日、就診的時間資訊與負責診療的醫師等。此類片段的資訊一旦予以收集並在進行分析，往往有機會推導出該電子病歷中提及的病患真實身分。
2024 AI 驅動出行未來：跨相機多目標車輛追蹤競賽 - 參數組、模型組
議題暨資料提供單位：臺灣印度人工智慧海外科研中心
⚠️注意事項：此資料僅供學術使用，如須引用至他處，請註明資料來源如下：
(1) "教育部人工智慧競賽與標註資料蒐集計畫(MOE AI competition and labeled data acquisition project)"
鑒於居家安全、犯罪偵防等需求，近年來攝影機系統在道路上被廣泛的運用。由於目前一般的監視系統都是基於單相機錄影，每個攝影機是獨立運作，所以當移動物件離開拍攝範圍後，就無法繼續辨識。其次，當發生車禍碰撞、犯罪事件，由於每台相機單獨錄影，相機間沒有協同作業的機制，因此警政單位必須花費龐大的人力資源，由人工搜尋監視系統錄製的影片，才能追蹤可疑車輛或行人的路徑與軌跡。本競賽著眼於跨相機多目標追蹤的技術以解決上述的問題。競賽資料集提供跨相機的道路車輛行駛影片，讓參賽團隊發展跨相機多目標追蹤的AI模型，目標要能夠偵測與辨識出在不同相機的相同車輛，期望本競賽能深化台灣在智慧交通的AI 技術深化與多元發展。
2024 以生成式AI建構無人機於自然環境之地形導航競賽
- 影像資料組、導航資料組
議題暨資料提供單位：國立政治大學資訊科學學系
⚠️注意事項：此資料僅供學術使用，如須引用至他處，請註明資料來源如下：
(1) "教育部人工智慧競賽與標註資料蒐集計畫(MOE AI competition and labeled data acquisition project)"
科技進步為人類帶來了生活的便利，卻也引發了破壞環境、浪費自然資源等生態永續議題。掌握國土自然環境資訊實為實現可持續發展社會的必要條件。無人機憑藉著自身優點，能夠在空中快速且有效率的偵察地形和自然環境，有助於快速掌握國土自然環境資訊，促進社會對於綠能科技和循還經濟的應用與發展。要取得無人機視野下的真實影像成本較高，而生成式AI可以藉由少量的資料來生成出許多擬真的資料，因此本項目將會需要透過生成式AI，在指定條件下生成無人機視野下的道路和河流影像。
目前國內外同時包含生成式AI與AI無人機的競賽數量很少，此競賽將兩者結合，期望參賽者可以對此兩者有更加深入的理解與能力來應用在真實環境中。
2024 根據區域微氣候資料預測發電量競賽
議題暨資料提供單位：國立東華大學資訊工程學系
⚠️注意事項：此資料僅供學術使用，如須引用至他處，請註明資料來源如下：
(1) "教育部人工智慧競賽與標註資料蒐集計畫(MOE AI competition and labeled data acquisition project)"
太陽能光電裝置的發電量與微氣候息息相關，除了太陽輻射之外，溫度與濕度會影響太陽能光電裝置光電效應的進行，而風力又會影響溫度與濕度，另外還需考慮落塵量和雨量的影響。由於花蓮幅員遼闊，擁有各種複雜的地形地貌，本計畫將在各種地形架設各種感測器與太陽能光電裝置，建立不同地區的微氣候資料集與收集太陽能光電裝置的發電量，做為本次比賽之資料使用。本競賽提供2024年間，在17個地點收集的區域微氣候資料與光電發電量作為訓練資料，比賽內容為預測指定之時間與地點的發電瓦數，並且以誤差值為排名依據。