VisDrone 无人机目标检测

分享给好友

2019-06-14 15:00:00
开始提交

2019-07-14 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

本次比赛旨在利用无人机设备推动最先进的目标检测技术。无人机目标检测技术在无人机快递物流、城市交通监控、安防等工业领域有着重要的应用意义。

数据集提供了由不同高度、不同位置的无人机拍摄的的静态图像。参赛者要求预测十个预定义类(pedestrian,person,car,van,bus,truck,motor,bicycle,awning-tricycle,tricycle)与实际数据的交并比精度。

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

VisDrone2019

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
annotations file_path 不为空 目标框的相对路径

参考文献:

[1]赛题数据检测结果描述

评审标准

算法输入输出格式

输入字段: image_path,

输出字段: image_path, annotations,

评审指标说明

  • IOU(Intersection-over-Union)表示了产生的候选框(candidate bound)与原标记框(ground truth bound)的交叠率或者说重叠度,也就是它们的交集与并集的比值。最理想情况是完全重叠,即比值为1。
  • mAP(Mean Average Precision)即平均AP值。AP值表示为对Precision(精确率)取平均
  • IOU>=0.5为有效预测,计算公式如下:
  • 评审计算公式

$vue{item.rank_name}

超过 46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:小克

暂未公开
batch数据为6,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63.79。

2019-07-20 23:07:46

164.00

暂未公开
第三名

提供者:你猜猜我是谁

暂未公开
batch数据为4,循环次数为13次,通过在线上环境完成训练,模型最优精度评分为52.35。

2019-06-21 02:12:09

2510.50

暂未公开
第三名

提供者:Scarlatti

暂未公开
batch数据为1,循环次数为5次,通过在线上环境完成训练,模型最优精度评分为49.92。

2019-06-21 01:26:34

1538.00

暂未公开
4

提供者:gboy

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47.85。

2019-08-21 17:42:35

暂未公开
5

提供者:no-free-lunch

暂未公开
batch数据为4,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39.40。

2019-06-26 18:17:48

暂未公开
6

提供者:zjy

暂未公开
batch数据为4,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29.78。

2019-09-20 00:24:35

暂未公开
7

提供者:丶人狠话不多

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27.85。

2019-06-29 17:26:34

暂未公开
8

提供者:恋旧却念旧

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26.56。

2019-06-27 12:43:42

暂未公开
9

提供者:科科

暂未公开
batch数据为1,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22.84。

2019-06-21 22:30:53

暂未公开
10

提供者:大木淡漠

暂未公开
batch数据为1,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20.39。

2019-07-14 12:08:36

暂未公开
11

提供者:快来追我呀

暂未公开
batch数据为1,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20.15。

2019-07-12 20:33:05

暂未公开
12

提供者:前排板凳瓜子

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20.14。

Keras

BaBaRCNN

2019-06-21 14:57:16

暂未公开
13

提供者:Zyt

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17.19。

Keras

BaBaRCNN

2019-06-21 23:03:13

暂未公开
14

提供者:trickornot

暂未公开
batch数据为4,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15.43。

2019-07-01 15:27:17

暂未公开
15

提供者:qqm

暂未公开
batch数据为1,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13.55。

2019-07-14 21:05:10

暂未公开
16

提供者:HelloWor1d

暂未公开
batch数据为8,循环次数为3次,通过在线上环境完成训练,模型最优精度评分为9.56。

2019-06-26 17:20:26

暂未公开
17

提供者:linlh

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8.41。

2019-07-06 09:46:04

暂未公开
18

提供者:。。。1554556619

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3.89。

2019-07-31 19:56:42

暂未公开
19

提供者:chyang

暂未公开
batch数据为8,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1.45。

2019-06-16 11:24:42

暂未公开
20

提供者:NLP-Learner

暂未公开
batch数据为4,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0.01。

2019-06-19 06:53:34

暂未公开
21

提供者:蜗牛、Gray

暂未公开
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0.01。

Keras

SSD-VGG

2019-07-15 21:24:30

暂未公开
第一名
xupengzheng 2019-10-05 23:21:43
2019-10-05 23:21:43
0.11
第二名
hajohn 2019-10-15 13:48:26
2019-10-15 13:48:26
0.11
第三名
张小张 2019-11-06 15:31:13
2019-11-06 15:31:13
0.11
4
Einsteinpcm 2019-11-26 18:41:36
2019-11-26 18:41:36
0.11
5
清欢 2019-11-27 09:47:52
2019-11-27 09:47:52
0.11
6
lxoney 2019-12-10 14:51:51
2019-12-10 14:51:51
0.11
7
18018592775 2020-01-12 00:14:42
2020-01-12 00:14:42
0.11
8
CUPRK 2020-03-01 16:28:13
2020-03-01 16:28:13
0.11
9
骡子吃番茄 2020-03-13 19:20:07
2020-03-13 19:20:07
0.11
10
我爱中国 2020-03-31 17:44:55
2020-03-31 17:44:55
0.11
11
KAWAKO 2020-05-20 14:13:51
2020-05-20 14:13:51
0.11
12
是阿正 2020-12-14 23:59:12
2020-12-14 23:59:12
0.11
13
AMERICA 2019-10-17 11:55:42
2019-10-17 11:55:42
0.06
14
韩天啸 2020-06-14 14:15:47
2020-06-14 14:15:47
0
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