人脸关键点检测(五点)

分享给好友

2019-04-05 03:00:00
开始提交

2019-05-05 03:00:00
最终提交结束

自由训练

剩余奖金 ¥ 2,394
参赛权限提示

当前赛题需能力值达到 $vue{itemranking} 才可以正常提交训练哦~

当前赛题仅允许 600 能力值以下的新手可以正常提交训练哦~

报名参赛

下载当前代码

您可使用自己熟悉的编辑器实现算法并通过命令行
提交任务到FlyAI云端训练。确认下载体验吗?

$vue{upDataType ? '上传样例压缩包' : '上传代码压缩包' }

请将代码文件压缩为zip格式,文件大小不超过10M 提示:请确认删除"data"⽂件夹后进行上传操作

将文件拖拽至此处或点击此处选择文件

$vue{complete < 99 ? '上传中' : '上传完成'} $vue{complete}

$vue{fileName}
线上GPU运行环境:
FlyAl推荐如下配置,如有问题可手动添加或修改!

GPU环境

深度学习框架

其它依赖

提交
提交

提交确认

设置好参数后点击“确定“发布GPU训练任务

EPOCHS

BATCH SIZE

绑定你的微信账号

用于本地环境登录和实时接收训练通知

打开微信,使用扫一扫功能分享给好友

绑定你的微信账号

用于本地环境登录和实时接收训练通知

温馨提示

$vue{csv_msg}

知道了
提交结果文件

$vue{csvName == '' ? '仅支持上传 CSV 格式的文件' : csvName+' 上传中...'}

$vue{csvName}上传成功
取消 确认提交

提交成功

系统正在测评您的结果文件,

您可通过右侧【我的提交-查看记录详情】进行查看

知道了
  • 赛事介绍
  • 竞赛排行榜
  • 奖金记录
  • 讨论($vue{comment_count})
  • 学习资源

$vue{item.rank_name}

大赛简介

这些图片是用亚马逊机械土耳其人手工标注的,以精确定位眼睛、鼻子和嘴。最终的数据集包括40000个图像,其中主要面部组件的注释高度准确、详细和一致。

参赛须知

参赛时间: 本次竞赛无时间限制,长期有效开放

参赛方式

  • 下载FlyAI样例模版进行本地调试并提交到云端使用免费GPU进行模型训练获得最终成绩得分。

参赛选手说明

  • 参赛人员身份信息需保证真实、有效,大赛主办方仅将个人信息用于赛事数据授权及颁奖使用
  • 欢迎海内外的在校学生,算法工程师和所有AI爱好者参与
  • 本次竞赛报名形式:以个人形式本地提交作品线上审核,并且以最终提交算法得分作为唯一有效成绩
  • 在比赛截止日期前,团队中成绩最高分作为本团队的最终成绩
  • 报名成功后请加入FlyAI竞赛交流群,一起学习进步!重要通知也将在群内发布,不要错过哦

比赛作品说明

  • 参赛选手需要配合组委会对比赛作品的有效性与真实性进行验证
  • 不同团队/个人,提交相似结果文件,取消双方所有人员参赛资格
  • 多开小号报名、提交,一经发现将取消参赛资格
  • 禁止使用外部链接下载代码替换本项目代码
  • 比赛过程中,通过脚本获取比赛数据,成绩无效
  • 使用线上测试集进行训练或者使用非官方提供的外部数据进行训练,成绩无效
  • 使用的预训练模型需为FlyAI官方审核通过的模型,使用非官方验证预训练模型,成绩无效
  • 提交的代码具备可解释性并且其它开源框架可复现
  • 所有相似代码将一律不通过审核!!情况多次出现者封号处理
  • 如有发现利用非正常手段作弊行为,奖金一律不发放。之前所获得奖金金额官方有权收回,情节严重者封号处理
  • 提交代码即视为阅读并同意以上比赛作品说明

大赛奖项设置

奖项说明:

奖项设置 获奖人数 奖金额度说明(按最终得分评判)
参与奖(总奖金30%) 所有人 不同得分区间获得相应的竞赛奖金
突破奖(总奖金20%) 所有人 更新排行榜得分,获取相应竞赛奖金
排名奖(总奖金50%) 第一周/月前3名(冠、亚、季军) 项目上线第一周、第一个月; Time_P(周) = 0.5,Time_P(月) = 0.5;K1=0.5,K2=0.3,K3=0.2;
不同框架奖励 所有人 获得60FAI币用于GPU训练资源消耗

赛事主题和数据说明

赛题描述

通过迭代自己的算法模型并提交训练,获取奖金池高额奖金。

数据来源

HumanFaceKeyPointDetection

数据描述

由于需要提交代码作品在云端进行训练,参赛数据集不对外开放。仅提供调试数据。

字段说明:

文件名 字段名称 字段类型 备注
image_path string 不为空 图片的相对路径
p1 int 不为空 每个人脸的左眼x关键点的标注
p2 int 不为空 每个人脸的左眼y关键点的标注
p3 int 不为空 每个人脸的右眼x关键点的标注
p4 int 不为空 每个人脸的右眼y关键点的标注
p5 int 不为空 每个人脸的鼻子x关键点的标注
p6 int 不为空 每个人脸的鼻子y关键点的标注
p7 int 不为空 每个人脸的左嘴角x关键点的标注
p8 int 不为空 每个人脸的左嘴角y关键点的标注
p9 int 不为空 每个人脸的右嘴角x关键点的标注
p10 int 不为空 每个人脸的右嘴角y关键点的标注

参考文献:

[1]11K Hands: Gender recognition and biometric identification using a large dataset of hand images

评审标准

算法输入输出格式

输入字段: image_path,

输出字段: p1, p2, p3, p4, p5, p6, p7, p8, p9, p10,

评审指标说明

  • 根据N点坐标(x,y)验证输出值(X_out,Y_out)的距离误差
  • 取N点距离误差之和的平均数作为最终误差值
  • 计算公式如下:
  • 评审计算公式

比赛常见问题说明

Q:比赛使用什么框架?

  • 比赛支持常用的机器学习和深度学习框架,比如TensorFlow,PyTorch,Keras,Scikit-learn、MXNet等。

Q:怎么参加比赛,需不需要提交CSV文件?

  • FlyAI竞赛平台提供免费云端GPU资源,报名后可以使用自己熟练的框架,修改main.py中的网络结构和processor.py中的数据处理;仅部分赛题支持CSV方式提交,请仔细阅读参赛方式相关内容。

Q:比赛排行榜分数怎么得到的?

  • 参加项目竞赛必须实现 model.py 中的predict_all方法。系统通过该方法,调用模型得出评分。
超过 35分 的成绩会在48小时内更新到排行榜,不要着急哦!
第三名

trick_or_treat

489.72

batch数据为64,循环次数为600次,通过在线上环境完成训练,模型最优精度评分为98.20。

2019-05-04 11:53:03

489.72

98.20

第三名

FireCat

93.75

batch数据为128,循环次数为320次,通过在线上环境完成训练,模型最优精度评分为97.38。

2020-03-21 02:28:43

93.75

97.38

第三名

无......有

546.88

batch数据为16,循环次数为200次,通过在线上环境完成训练,模型最优精度评分为89.22。

2019-04-22 22:27:11

546.88

89.22

4

喵喵

187.50

batch数据为128,循环次数为3000次,通过在线上环境完成训练,模型最优精度评分为88.18。

2019-04-18 14:26:47

187.50

88.18

5

lyming

1085.63

batch数据为128,循环次数为3000次,通过在线上环境完成训练,模型最优精度评分为85.90。

2019-04-17 02:18:36

1085.63

85.90

6

smooklazz

170.73

batch数据为128,循环次数为1200次,通过在线上环境完成训练,模型最优精度评分为85.82。

2019-04-11 17:26:54

170.73

85.82

7

tik_boa

batch数据为64,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为85.46。

2019-04-13 07:02:03

85.46

8

天天向上

batch数据为64,循环次数为3000次,通过在线上环境完成训练,模型最优精度评分为84.85。

2019-04-12 20:23:35

84.85

9

善假于物

2148.00

batch数据为160,循环次数为1900次,通过在线上环境完成训练,模型最优精度评分为83.93。

2019-04-15 10:19:58

2148.00

83.93

10

liyonghong

1.46

batch数据为128,循环次数为50次,通过在线上环境完成训练,模型最优精度评分为83.16。

2019-04-11 20:59:17

1.46

83.16

11

Smile婷

batch数据为128,循环次数为1500次,通过在线上环境完成训练,模型最优精度评分为81.61。

2019-04-15 08:00:29

81.61

12

zhiduanqingchang

7.03

batch数据为128,循环次数为1500次,通过在线上环境完成训练,模型最优精度评分为80.11。

2019-04-14 16:34:53

7.03

80.11

13

看你很6哦

153.75

batch数据为32,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为79.69。

2019-04-17 00:30:25

153.75

79.69

14

DDBG

2.93

batch数据为1024,循环次数为5000次,通过在线上环境完成训练,模型最优精度评分为79.05。

2019-04-10 12:31:12

2.93

79.05

15

RuntimeError

batch数据为64,循环次数为500次,通过在线上环境完成训练,模型最优精度评分为78.10。

2019-04-12 14:55:11

78.10

16

ChangeBio

batch数据为64,循环次数为3000次,通过在线上环境完成训练,模型最优精度评分为77.23。

2019-04-30 10:40:29

77.23

17

刘雪飞

batch数据为32,循环次数为1次,通过在线上环境完成训练,模型最优精度评分为75.93。

2019-04-12 18:15:11

75.93

18

joehammer

546.88

batch数据为128,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为75.38。

2019-04-07 23:11:11

546.88

75.38

19

KG

batch数据为32,循环次数为10000次,通过在线上环境完成训练,模型最优精度评分为75.06。

2019-04-22 02:46:53

75.06

20

你猜猜我是谁

19.92

batch数据为130,循环次数为700次,通过在线上环境完成训练,模型最优精度评分为74.97。

2019-04-09 21:55:55

19.92

74.97

21

玄学上分

batch数据为64,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为74.74。

2019-04-12 06:40:59

74.74

22

丶人狠话不多

23.44

batch数据为256,循环次数为2000次,通过在线上环境完成训练,模型最优精度评分为74.49。

2019-04-09 17:24:47

23.44

74.49

23

cclxx

31.06

batch数据为128,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为73.83。

2019-04-06 00:18:04

31.06

73.83

24

trickornot

batch数据为128,循环次数为4000次,通过在线上环境完成训练,模型最优精度评分为72.44。

2019-07-07 03:36:12

72.44

25

Hallo

1.76

batch数据为128,循环次数为500次,通过在线上环境完成训练,模型最优精度评分为72.13。

2019-04-09 19:25:01

1.76

72.13

26

Daiccccc

batch数据为32,循环次数为1300次,通过在线上环境完成训练,模型最优精度评分为71.15。

2019-04-08 00:20:49

71.15

27

mn

batch数据为32,循环次数为100次,通过在线上环境完成训练,模型最优精度评分为68.34。

2019-06-16 22:32:39

68.34

28

weiliming

batch数据为128,循环次数为20次,通过在线上环境完成训练,模型最优精度评分为66.34。

2019-07-26 19:42:27

66.34

29

火炎焱燚

batch数据为128,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为65.90。

2019-04-10 17:55:42

65.90

30

Hlic

batch数据为64,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为65.71。

2019-04-12 09:44:26

65.71

31

cnn

batch数据为50,循环次数为3200次,通过在线上环境完成训练,模型最优精度评分为65.70。

2019-07-18 11:08:16

65.70

32

decoo

batch数据为128,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为64.50。

2019-04-11 05:10:53

64.50

33

codePlay

batch数据为128,循环次数为2500次,通过在线上环境完成训练,模型最优精度评分为63.88。

2019-04-11 22:08:11

63.88

34

若素

batch数据为64,循环次数为1次,通过在线上环境完成训练,模型最优精度评分为63.78。

2019-04-11 11:25:11

63.78

35

零露

3.52

batch数据为128,循环次数为3000次,通过在线上环境完成训练,模型最优精度评分为61.27。

2019-04-07 06:33:54

3.52

61.27

36

朝圣者

batch数据为128,循环次数为3000次,通过在线上环境完成训练,模型最优精度评分为61.07。

2019-04-12 09:52:34

61.07

37

markov_future

30.00

batch数据为16,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为58.16。

2019-04-11 21:14:49

30.00

58.16

38

唱跳RAP打篮球

batch数据为512,循环次数为10000次,通过在线上环境完成训练,模型最优精度评分为33.90。

2019-04-18 02:10:34

33.90

39

dewen.hu

batch数据为500,循环次数为32次,通过在线上环境完成训练,模型最优精度评分为22.41。

2019-08-05 14:42:09

22.41

40

顺子

batch数据为64,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为22.41。

2019-11-05 21:36:45

22.41

41

曲华

batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为22.41。

2019-11-19 15:25:58

22.41

42

jkafly

batch数据为64,循环次数为2次,通过在线上环境完成训练,模型最优精度评分为22.41。

2019-12-09 23:23:22

22.41

43

weidong

batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为22.41。

2019-12-12 09:30:58

22.41

44

SAM1583828135

batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为22.41。

2020-03-10 16:20:12

22.41

45

molly

batch数据为64,循环次数为300次,通过在线上环境完成训练,模型最优精度评分为22.41。

2020-03-24 16:28:57

22.41

46

EdVince1572577118

batch数据为4,循环次数为2次,通过在线上环境完成训练,模型最优精度评分为22.41。

2020-05-26 17:07:02

22.41

47

第五轻柔

batch数据为256,循环次数为50次,通过在线上环境完成训练,模型最优精度评分为3.67。

2019-07-10 22:24:30

3.67

48

fmy

batch数据为128,循环次数为3000次,通过在线上环境完成训练,模型最优精度评分为2.36。

2019-04-11 18:27:52

2.36

2020-03-16
FireCat

模型得分为96.77,本次获得实时奖励奖金为93.75

2020-03-16 14:19:22

2019-05-05
无......有

模型得分为89.22,本次获得排名奖奖金为500

2019-05-05 15:00:02

2019-04-23
无......有

模型得分为89.22,本次获得实时奖励奖金为46.88

2019-04-23 12:51:43

喵喵

模型得分为88.18,本次获得实时奖励奖金为187.5

2019-04-23 12:50:54

trick_or_treat

模型得分为94.38,本次获得实时奖励奖金为375

2019-04-23 12:49:55

2019-04-12
markov_future

模型得分为58.16,本次获得实时奖励奖金为30

2019-04-12 15:41:47

smooklazz

模型得分为85.82,本次获得实时奖励奖金为170.73

2019-04-12 15:41:39

liyonghong

模型得分为74.66,本次获得实时奖励奖金为1.46

2019-04-12 15:41:27

DDBG

模型得分为79.05,本次获得实时奖励奖金为2.93

2019-04-12 15:41:04

你猜猜我是谁

模型得分为74.97,本次获得实时奖励奖金为5.86

2019-04-12 15:09:59

trick_or_treat

模型得分为82.24,本次获得实时奖励奖金为114.72

2019-04-12 15:09:55

joehammer

模型得分为75.38,本次获得排名奖奖金为500

2019-04-12 15:00:01

lyming

模型得分为78.72,本次获得排名奖奖金为750

2019-04-12 15:00:01

善假于物

模型得分为79.38,本次获得排名奖奖金为1250

2019-04-12 15:00:01

2019-04-09
丶人狠话不多

模型得分为74.49,本次获得实时奖励奖金为23.44

2019-04-09 17:24:47

2019-04-08
Hallo

模型得分为61.23,本次获得实时奖励奖金为1.76

2019-04-08 12:11:32

2019-04-07
joehammer

模型得分为74.1,本次获得实时奖励奖金为46.88

2019-04-07 21:12:20

2019-04-07
零露

模型得分为61.27,本次获得实时奖励奖金为3.52

2019-04-07 06:33:54

zhiduanqingchang

模型得分为68.26,本次获得实时奖励奖金为7.03

2019-04-07 03:39:40

2019-04-06
看你很6哦

模型得分为75.22,本次获得实时奖励奖金为93.75

2019-04-06 12:35:47

lyming

模型得分为75.05,本次获得实时奖励奖金为187.5

2019-04-06 11:36:33

你猜猜我是谁

模型得分为73.68,本次获得实时奖励奖金为14.06

2019-04-06 10:33:55

善假于物

模型得分为79.38,本次获得实时奖励奖金为513

2019-04-06 07:26:28

2019-04-06
cclxx

模型得分为73.83,本次获得实时奖励奖金为31.06

2019-04-06 00:18:04

lyming

模型得分为62.25,本次获得实时奖励奖金为28.13

2019-04-06 00:11:55

看你很6哦

模型得分为56.59,本次获得实时奖励奖金为60

2019-04-05 23:33:54

lyming

模型得分为56.46,本次获得实时奖励奖金为120

2019-04-05 17:15:51

善假于物

模型得分为72.93,本次获得实时奖励奖金为79

2019-04-05 17:12:42

2019-04-05
善假于物

模型得分为66.97,本次获得实时奖励奖金为306

2019-04-05 15:40:18

讨论
500字
表情
发送
删除确认
是否删除该条评论?
取消 删除
$vue{item.user_name}

$vue{item.title} $vue{item.title}

$vue{items}
$vue{item.like_count}
$vue{item.comment_counts}
$vue{item.comment_counts}
阅读 $vue{item.views}

这里还没有内容哦

挑战者大赛 官方交流群

我的记录

你还没有任何提交记录喔...

  • 参赛流程
  • 常见问题

第一步:参赛选手从FlyAI官网选择比赛报名,需下载样例代码

下载的项目中不包含数据集,运行main.py会自动下载调试数据集

本地调试根据不同数据集会提供10%~100%数据,全量数据提交到GPU后会自动更新替换

下载样例代码,解压后在样例代码上编写自己的模型代码,压缩后再在上传代码位置进行上传,就可以查看自己得分。

第二步:本地代码调试

本地配置Python3.5以上的运行环境,并安装项目运行所需的Python依赖包 app.json是项目的配置文件

在main.py中编写神经网络,没有框架限制

在prediction.py测试模型是否评估成功

main.py中需在class Main(FlyAI) 类中实现自己的训练过程

第三步:提交到GPU训练,保存模型

本地调试完成之后,提交代码到GPU,在全量数据上训练模型,保存最优模型。

提交GPU的方式有:网站在线提交。

第四步:评估模型,获取奖金,实时提现

GPU训练完成后,会调用prediction.py中的predict方法进行评估,并给出最后得分

高分的参赛选手,可实时获取奖金,通过微信提现

Q:如何获得奖金?

下载A:超过项目设置的最低分,根据公式计算,就可以获得奖金。

Q:比赛使用什么框架?

A:比赛支持常用的机器学习和深度学习框架,比如TensorFlow,PyTorch,Keras,Scikit-learn等。

Q:怎么参加比赛,需不需要提交csv文件?

A:FlyAI竞赛平台无需提交csv文件,在网页上点击报名,下载项目,使用你熟练的框架,修改main.py中的网络结构和数据处理,在prediction.py中进行加载模型及预测。将代码文件压缩为.zip格式,文件大小不超过10M,之后在网站进行在线提交就可以了。

Q:比赛排行榜分数怎么得到的?

A:参加项目竞赛必须实现 prediction.py 中的predict方法。调用模型得出评分。

Q:平台机器什么配置?

A:目前每个训练独占一块V100显卡,显存10G。

Q:本地数据集在哪?

A:可以本地使用ide运行 main.py 下载数据。

Q:FAI训练积分不够用怎么办?

A:目前GPU免费使用,可以进入到:我的积分,通过签到和分享等途径获得大量积分。

Q:离线训练代码不符合规范问题?

A:main.py中可以使用args.EPOCHS和args.BATCH。