120种狗狗品种分类赛

分享给好友

2019-05-16 15:00:00
开始提交

2019-06-15 15:00:00
最终提交结束

自由训练

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
  • 赛事介绍
  • 竞赛排行榜
  • 自由练习榜单
  • 讨论($vue{comment_count})

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

大赛简介

Stanford Dogs数据集包含来自世界各地的120种犬种的图像。该数据集是使用ImageNet中的图像和注释构建的,用于细粒度图像分类的任务。它最初被收集用于细粒图像分类,这是一个具有挑战性的问题,因为某些犬种具有接近相同的特征或者颜色。

赛事主题和数据说明

赛题描述

通过实现算法并提交训练,获取奖金池奖金。小提示:抢先更新算法排行榜,有更大机会获取高额奖金哦!

数据来源

StanfordDogs120

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,可通过使用本地调试的方式获取调试数据集。本地调试和提交指南请查看[文档中心]

字段说明:

文件名 字段名称 字段类型 备注
image_path file_path 不为空 图片的相对路径
name int 不为空 图片对应的类别
labels int 大于等于 0, 小于等于 119 图片的标注标签

参考文献:

[1]

评审标准

算法输入输出格式

输入字段: image_path,

输出字段: labels,

评审指标说明

  • 准确率(Accuracy):对于给定的测试数据集,预测正确的样本数与实际总样本数之比
  • True,表示预测正确的样本数数量
  • Total Number of Samples,表示实际总样本数数量
  • 计算公式如下:

$vue{item.rank_name}

超过 70分 的成绩会在48小时内更新到排行榜,不要着急哦!
第三名

提供者:trickornot

暂未公开
batch数据为1,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95.14。

Keras

Babydontcry

2019-06-14 12:58:45

719.00

暂未公开
第三名

提供者:gboy

暂未公开
batch数据为64,循环次数为2800次,通过在线上环境完成训练,模型最优精度评分为94.85。

2019-06-15 23:35:21

683.59

暂未公开
第三名

提供者:交差墒

大神经验
batch数据为8,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为94.31。

2019-06-13 21:33:55

205.77

大神经验
4

提供者:前排板凳瓜子

大神经验
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94.10。

2019-06-11 05:58:05

328.05

大神经验
5

提供者:大木淡漠

暂未公开
batch数据为32,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92.83。

2019-06-07 01:10:29

220.88

暂未公开
6

提供者:stawary

大神经验
batch数据为16,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为91.89。

2019-05-28 22:14:29

512.69

大神经验
7

提供者:佘冠华

暂未公开
batch数据为64,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为85.54。

2019-06-02 12:12:01

暂未公开
8

提供者:AiFool

大神经验
batch数据为256,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85.28。

2019-06-13 18:40:54

大神经验
9

提供者:汐炎

大神经验
batch数据为32,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85.13。

2019-05-23 17:02:35

4.22

大神经验
10

提供者:trick_or_treat

暂未公开
batch数据为64,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82.29。

2019-05-24 21:25:49

3.24

暂未公开
11

提供者:丶人狠话不多

暂未公开
batch数据为64,循环次数为3500次,通过在线上环境完成训练,模型最优精度评分为81.44。

2019-06-08 02:12:42

暂未公开
12

提供者:来追我咿呀哟

暂未公开
batch数据为32,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80.47。

2019-05-21 10:51:21

6.75

暂未公开
13

提供者:鬼见愁

大神经验
batch数据为32,循环次数为16次,通过在线上环境完成训练,模型最优精度评分为79.52。

2019-06-19 00:12:58

大神经验
14

提供者:xeoner

大神经验
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77.31。

2019-05-18 10:07:15

18.00

大神经验
15

提供者:桂ly

大神经验
batch数据为32,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76.97。

2019-05-18 20:14:35

4.50

大神经验
16

提供者:machinelearning小学生

暂未公开
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76.97。

2019-06-30 17:39:33

暂未公开
17

提供者:Zachary

暂未公开
batch数据为16,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76.09。

2019-06-04 15:12:46

暂未公开
18

提供者:善假于物

暂未公开
batch数据为36,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76.09。

2019-06-16 07:20:31

暂未公开
19

提供者:ChangeBio

暂未公开
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75.75。

2019-05-30 12:03:17

1.13

暂未公开
20

提供者:加勒比

暂未公开
batch数据为84,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73.96。

2019-05-20 17:18:25

2.25

暂未公开
21

提供者:Micoon

暂未公开
batch数据为64,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71.96。

2019-05-21 06:14:41

暂未公开
22

提供者:就是很任性

暂未公开
batch数据为8,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71.40。

2019-05-23 22:07:55

暂未公开
23

提供者:jianbin.xu

暂未公开
batch数据为256,循环次数为64次,通过在线上环境完成训练,模型最优精度评分为70.02。

2019-05-20 20:11:36

暂未公开
24

提供者:凌空

暂未公开
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66.84。

Keras

Inception V3

2019-05-20 18:23:36

暂未公开
25

提供者:从小跑开始

暂未公开
batch数据为64,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59.11。

2019-05-26 01:12:58

暂未公开
26

提供者:linlh

暂未公开
batch数据为64,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55.64。

2019-05-22 10:42:02

暂未公开
27

提供者:troublemaker

暂未公开
batch数据为64,循环次数为800次,通过在线上环境完成训练,模型最优精度评分为52.67。

2019-05-26 14:15:47

暂未公开
28

提供者:飞扬

暂未公开
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52.65。

2019-06-19 23:04:44

暂未公开
29

提供者:HelloWor1d

暂未公开
batch数据为32,循环次数为333次,通过在线上环境完成训练,模型最优精度评分为49.20。

2019-06-06 12:58:01

暂未公开
30

提供者:liuzhan

暂未公开
batch数据为64,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45.00。

2019-05-31 12:32:32

暂未公开
31

提供者:强化学习

暂未公开
batch数据为128,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44.02。

2019-05-29 10:54:35

暂未公开
32

提供者:weiliming

暂未公开
batch数据为64,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41.40。

2019-06-18 00:33:40

暂未公开
33

提供者:smooklazz

暂未公开
batch数据为128,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39.21。

2019-05-30 04:13:37

暂未公开
34

提供者:小丸子

暂未公开
batch数据为128,循环次数为25次,通过在线上环境完成训练,模型最优精度评分为37.39。

2019-05-19 19:28:11

暂未公开
35

提供者:Blankit

暂未公开
batch数据为512,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为36.98。

2019-05-31 12:59:45

暂未公开
36

提供者:kongd

暂未公开
batch数据为32,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34.82。

2019-05-18 11:28:38

暂未公开
37

提供者:LTK#凯

暂未公开
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33.19。

2019-06-04 15:38:12

暂未公开
38

提供者:lchj

暂未公开
batch数据为16,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为29.15。

2019-05-25 11:53:03

暂未公开
39

提供者:月半

暂未公开
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27.04。

2019-05-22 21:06:41

暂未公开
40

提供者:cnn

暂未公开
batch数据为100,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23.08。

2019-06-20 13:21:32

暂未公开
41

提供者:唱跳RAP打篮球

暂未公开
batch数据为128,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21.21。

2019-05-17 19:19:01

暂未公开
42

提供者:chyang

暂未公开
batch数据为32,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20.87。

2019-05-21 15:01:03

暂未公开
43

提供者:zql

暂未公开
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19.31。

2019-05-30 17:41:22

暂未公开
44

提供者:Seeney

暂未公开
batch数据为128,循环次数为40次,通过在线上环境完成训练,模型最优精度评分为18.80。

2019-05-21 06:01:07

暂未公开
45

提供者:Bluove

暂未公开
batch数据为64,循环次数为6000次,通过在线上环境完成训练,模型最优精度评分为17.74。

2019-05-17 23:08:49

暂未公开
46

提供者:binghang

暂未公开
batch数据为32,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为17.54。

2019-05-24 19:14:57

暂未公开
47

提供者:Jason4521

暂未公开
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17.30。

2019-05-18 06:11:42

暂未公开
48

提供者:宇宙

暂未公开
batch数据为32,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12.20。

2019-06-03 05:56:21

暂未公开
49

提供者:纶巾

暂未公开
batch数据为512,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11.08。

2019-05-23 08:19:35

暂未公开
50

提供者:火炎焱燚

暂未公开
batch数据为32,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10.54。

2019-05-19 02:25:16

暂未公开
51

提供者:Reluminia

暂未公开
batch数据为512,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9.89。

2019-05-18 22:22:36

暂未公开
52

提供者:Nightingale

暂未公开
batch数据为32,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8.14。

2019-05-25 15:10:54

暂未公开
53

提供者:hiccup

暂未公开
batch数据为32,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7.19。

2019-05-18 06:13:02

暂未公开
54

提供者:zeng-_-|

暂未公开
batch数据为64,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6.80。

2019-05-31 22:54:00

暂未公开
55

提供者:DDBG

暂未公开
batch数据为500,循环次数为256次,通过在线上环境完成训练,模型最优精度评分为5.98。

2019-05-20 15:17:03

暂未公开
56

提供者:有分儿就行

暂未公开
batch数据为500,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5.88。

2019-05-22 20:04:10

暂未公开
57

提供者:天天向上

暂未公开
batch数据为64,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4.25。

2019-05-17 18:47:33

暂未公开
58

提供者:练字不能停

暂未公开
batch数据为1000,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3.94。

2019-05-25 18:18:11

暂未公开
59

提供者:Joshua

暂未公开
batch数据为3500,循环次数为128次,通过在线上环境完成训练,模型最优精度评分为3.79。

2019-05-18 15:35:31

暂未公开
60

提供者:Shane恆

暂未公开
batch数据为32,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为3.62。

2019-06-01 21:39:39

暂未公开
61

提供者:yaa จุ๊บ

暂未公开
batch数据为32,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为3.60。

2019-07-09 16:22:09

暂未公开
62

提供者:风逸

暂未公开
batch数据为64,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3.21。

2019-05-23 12:21:48

暂未公开
63

提供者:刘小伙要低调!

暂未公开
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3.11。

2019-06-28 20:29:48

暂未公开
64

提供者:Teenage Dream

暂未公开
batch数据为32,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2.84。

2019-05-19 10:02:42

暂未公开
65

提供者:亚豪

暂未公开
batch数据为256,循环次数为16次,通过在线上环境完成训练,模型最优精度评分为2.58。

2019-05-21 18:26:06

暂未公开
66

提供者:tk

暂未公开
batch数据为512,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2.48。

2019-05-23 20:37:23

暂未公开
67

提供者:你猜猜我是谁

暂未公开
batch数据为128,循环次数为6次,通过在线上环境完成训练,模型最优精度评分为2.33。

2019-05-20 23:17:35

暂未公开
68

提供者:markov_future

暂未公开
batch数据为1000,循环次数为128次,通过在线上环境完成训练,模型最优精度评分为1.34。

2019-05-20 12:44:33

暂未公开
69

提供者:门门

暂未公开
batch数据为512,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1.34。

2019-05-25 20:46:51

暂未公开
70

提供者:poplar

暂未公开
batch数据为32,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1.21。

2019-06-11 09:41:30

暂未公开
71

提供者:Amadeus

暂未公开
batch数据为512,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1.19。

2019-05-20 16:21:07

暂未公开
72

提供者:ON-looker

暂未公开
batch数据为32,循环次数为15次,通过在线上环境完成训练,模型最优精度评分为1.19。

2019-06-13 22:40:09

暂未公开
73

提供者:tutu

暂未公开
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1.09。

2019-06-14 19:16:42

暂未公开
74

提供者:clare

暂未公开
batch数据为32,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1.04。

2019-05-17 17:42:34

暂未公开
75

提供者:麦小杨

暂未公开
batch数据为128,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1.02。

2019-05-26 00:25:03

暂未公开
76

提供者:flying

暂未公开
batch数据为32,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0.97。

2019-05-20 19:17:58

暂未公开
77

提供者:Allison

暂未公开
batch数据为1000,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为0.87。

2019-07-02 11:38:58

暂未公开
78

提供者:优雅一只猫

暂未公开
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0.85。

2019-05-20 16:14:34

暂未公开
第一名
XIANG1570761802 2020-01-20 18:01:26
2020-01-20 18:01:26
72.62
第二名
暖阳。 2019-08-17 19:53:19
2019-08-17 19:53:19
69.95
第三名
王冠 2019-10-26 19:06:29
2019-10-26 19:06:29
68.93
4
路人甲 2020-03-01 18:56:00
2020-03-01 18:56:00
51.58
5
章鑫 2019-11-21 12:11:56
2019-11-21 12:11:56
28.01
6
cnn 2019-08-15 22:54:51
2019-08-15 22:54:51
8.38
7
clare 2019-08-15 01:14:43
2019-08-15 01:14:43
4.81
8
绝缘体 2019-09-08 03:19:17
2019-09-08 03:19:17
3.98
9
ljz001234 2019-11-18 22:27:14
2019-11-18 22:27:14
2.43
10
也曾非黑即白 2019-11-19 19:22:24
2019-11-19 19:22:24
1.55
11
MJZ_98 2019-11-25 21:05:42
2019-11-25 21:05:42
1.46
12
Ghardy 2019-08-02 21:14:16
2019-08-02 21:14:16
1.31
13
junex 2019-08-02 23:04:30
2019-08-02 23:04:30
1.31
14
2019-08-03 17:47:05
2019-08-03 17:47:05
1.31
15
Woz 2019-08-05 10:06:47
2019-08-05 10:06:47
1.31
16
小数定理 2019-08-19 14:12:48
2019-08-19 14:12:48
1.31
17
椉風 2019-08-28 20:52:21
2019-08-28 20:52:21
1.31
18
Zuolong 2019-09-01 13:32:07
2019-09-01 13:32:07
1.31
19
BLOOM 2019-09-05 10:35:14
2019-09-05 10:35:14
1.31
20
A0宋志龙 2019-09-16 19:48:13
2019-09-16 19:48:13
1.31
21
朱程程 2019-10-24 10:15:19
2019-10-24 10:15:19
1.31
22
陈鹏 2019-11-01 16:02:40
2019-11-01 16:02:40
1.31
23
Mr . White 2019-11-04 19:11:55
2019-11-04 19:11:55
1.31
24
LVgm 2019-11-05 18:28:56
2019-11-05 18:28:56
1.31
25
姬了个喵 2019-11-11 16:33:49
2019-11-11 16:33:49
1.31
26
Boyce Avenue 2019-11-14 16:59:53
2019-11-14 16:59:53
1.31
27
Wh1t3zZ 2020-01-11 04:49:16
2020-01-11 04:49:16
1.31
28
嘟嘟1588123668 2020-04-29 09:30:02
2020-04-29 09:30:02
1.31
29
韩天啸 2020-06-11 17:05:04
2020-06-11 17:05:04
1.31
30
flyai会员1594015984 2020-07-22 21:08:53
2020-07-22 21:08:53
1.31
31
flyai会员1604460488 2020-11-04 17:26:22
2020-11-04 17:26:22
1.31
32
hiccup 2020-11-05 12:03:50
2020-11-05 12:03:50
1.31
33
flyai会员1603024333 2020-11-08 15:28:11
2020-11-08 15:28:11
1.31
34
flyai会员1605079002 2020-11-11 15:19:31
2020-11-11 15:19:31
1.31
讨论
500字
表情
每日优质讨论奖励 20FAI
发送
每日优质讨论奖励 20FAI
删除确认
是否删除该条评论?
取消 删除

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...

使用指南

  • windows客户端
  • windows命令行
  • Mac/Linux

1.进入代码编辑页下载当前代码

2.本地解压缩代码包文件,双击执行 flyai.exe 程序

第一次使用需要使用微信扫码登录 杀毒软件可能会误报,点击信任该程序即可

3.开启 FlyAI-Jupyter 代码调试环境

运行flyai.exe程序,点击"使用jupyter调试"按钮自动打开jupyter lab 操作界面

运行 run main.py 命令即可在本地训练调试代码

如果出现 No Model Name "xxx"错误,需在 requirements.txt 填写项目依赖

4.下载本地测试数据

运行flyai.exe程序,点击"下载数据"按钮,程序会下载100条调试数据

5.提交训练到GPU

运行flyai.exe程序,点击"提交GPU训练"按钮,代码将自动提交到云端GPU进行训练

返回sucess状态,代表提交离线训练成功,训练结束会以微信和邮件的形式发送结果通知

项目中有新的Python包引用,必须在 requirements.txt 文件中指定包名,不填写版本号将默认安装最新版

更多参赛帮助请查看文档中心

1.进入代码编辑页下载当前代码

2.打开运行,输入cmd,打开终端

Win+R 输入 cmd

3.使用终端进入到项目的根目录下

cd path\to\project

4.开启 FlyAI-Jupyter 代码调试环境

在终端执行命令 flyai.exe ide 打开调试环境(第一次使用需要使用微信扫码登录)

操作过程有延迟,请耐心等待

运行 run main.py 命令即可在本地训练调试代码

如果出现 No Model Name "xxx"错误,需在 requirements.txt 填写项目依赖

5.提交训练到GPU

在FlyAI-Jupyter环境下运行 !flyai.exe train 将代码提交到云端GPU免费训练

返回sucess状态,代表提交离线训练成功,训练结束会以微信和邮件的形式发送结果通知

项目中有新的Python包引用,必须在 requirements.txt 文件中指定包名,不填写版本号将默认安装最新版

6.下载本地测试数据

首次成功执行本地调试命令后,将在本地代码包中自动生成"data"数据集文件夹

7.使用自己的Python环境

flyai.exe path=xxx 可以设置自己的Python路径

flyai.exe path=flyai 恢复系统默认Pyton路径

更多参赛帮助请查看文档中心

1.进入代码编辑页下载当前代码

2.使用终端进入到项目的根目录下

cd path\to\project

3.初始化环境登录

使用如下命令授权 flyai 脚本: chmod +x ./flyai

4.开启 Jupyter 代码调试环境

在终端执行命令 ./flyai ide 打开调试环境(第一次使用需要使用微信扫码登录) 操作过程有延迟,请耐心等待

运行 run main.py 命令即可在本地训练调试代码

如果出现 No Model Name "xxx"错误,需在 requirements.txt 填写项目依赖

或使用终端

执行下列命令本地安装环境并调试

./flyai test 注意:如果出现 permission denied 错误,需使用sudo运行

如果出现 No Model Name "xxx"错误,需在 requirements.txt 填写项目依赖

执行test命令,会自动下载100条测试数据到项目下

如果使用本地IDE开发,可以自行安装 requirements.txt 中的依赖,运行 main.py 即可

5.提交训练到GPU

在FlyAI-Jupyter环境下运行 !./flyai train 将代码提交到云端GPU免费训练 返回sucess状态,代表提交离线训练成功,训练结束会以微信和邮件的形式发送结果通知

或者在终端下使用 ./flyai train -b=32 -e=10

项目中有新的Python包引用,必须在 requirements.txt 文件中指定包名,不填写版本号将默认安装最新版

6.下载本地测试数据

首次成功执行本地调试命令后,将在本地代码包中自动生成"data"数据集文件夹

7.使用自己的Python环境

./flyai path=xxx 可以设置自己的Python路径

./flyai path=flyai 恢复系统默认Pyton路径

更多参赛帮助请查看文档中心