猫脸关键点检测

分享给好友

2019-07-06 15:00:00
开始提交

2019-08-05 15:00:00
最终提交结束

自由训练

剩余奖金 ¥ 280
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

猫脸特征点检测是一项有趣的任务。本数据集共包含了9000张猫脸彩色图片,目的是检测脸部的九个关键点,包括两个眼睛关键点、一个嘴部关键点和六个耳朵关键点。标注顺序为左眼xy坐标,右眼xy坐标,嘴xy坐标,左耳点1xy坐标,左耳点2xy坐标,左耳点3xy坐标,右耳点1xy坐标,右耳点2xy坐标,右耳点3jxy坐标,坐标均为相对坐标值。

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

CatFaceLandmark

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 原始图片路径
landmark string 不为空 关键点坐标

参考文献:

[1]Cat Head Detection - How to Effectively Exploit Shape and Texture Features

[2]CAT Dataset

评审标准

算法输入输出格式

输入字段: image_path,

输出字段: landmark,

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:

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 90分 的成绩会在48小时内更新到排行榜,不要着急哦!
第三名

人间正道是沧桑

5250.00

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100.00。

2019-07-05 21:29:55

5250.00

100.00

第三名

trickornot

1875.00

batch数据为192,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100.00。

2019-07-06 00:20:36

1875.00

100.00

第三名

linlh

1187.50

batch数据为64,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100.00。

2019-07-06 02:31:16

1187.50

100.00

4

恋旧却念旧

93.75

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100.00。

2019-07-06 23:25:34

93.75

100.00

5

化猫

46.88

batch数据为32,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100.00。

2019-07-11 04:00:41

46.88

100.00

6

蜗牛、Gray

23.44

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100.00。

2019-07-12 10:50:49

23.44

100.00

7

gboy

11.72

batch数据为192,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100.00。

2019-07-12 15:51:09

11.72

100.00

8

Xin Yao

607.50

batch数据为64,循环次数为150次,通过在线上环境完成训练,模型最优精度评分为97.00。

2019-07-15 00:19:45

607.50

97.00

9

weiliming

303.75

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96.55。

2019-07-12 13:21:14

303.75

96.55

10

丶人狠话不多

225.00

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94.83。

2019-07-06 10:05:21

225.00

94.83

11

无......有

75.00

batch数据为64,循环次数为60次,通过在线上环境完成训练,模型最优精度评分为93.00。

2019-07-08 16:59:09

75.00

93.00

12

sloan

15.00

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92.12。

2019-07-11 22:07:51

15.00

92.12

13

cnn

7.50

batch数据为50,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91.13。

2019-07-10 18:18:12

7.50

91.13

14

徐声睿

batch数据为128,循环次数为80次,通过在线上环境完成训练,模型最优精度评分为88.42。

2019-09-03 18:02:01

88.42

15

ChangeBio

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87.99。

2019-07-06 06:44:06

87.99

16

流年相摧

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87.64。

2020-07-18 20:02:44

87.64

17

Ethan

batch数据为500,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86.79。

2019-07-18 15:10:36

86.79

18

心语滑落指尖

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86.74。

2019-07-13 11:45:32

86.74

19

clare

batch数据为30,循环次数为90次,通过在线上环境完成训练,模型最优精度评分为86.26。

2019-07-06 04:59:03

86.26

20

知更

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84.78。

2019-08-06 22:52:15

84.78

21

呜啦啦啦

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84.78。

2019-08-08 20:26:56

84.78

22

小十三

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84.78。

2019-09-09 13:42:28

84.78

23

白立群

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84.78。

2019-09-11 10:28:37

84.78

24

tartarus

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84.78。

2019-10-13 19:34:42

84.78

25

hajohn

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84.78。

2019-10-16 23:15:15

84.78

26

qck15570179927

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84.78。

2019-10-22 17:21:36

84.78

27

ying.huan

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84.78。

2019-10-22 18:48:39

84.78

28

金文东

batch数据为64,循环次数为60次,通过在线上环境完成训练,模型最优精度评分为84.78。

2019-10-23 09:59:46

84.78

29

朱乾龙

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84.78。

2019-10-29 15:03:40

84.78

30

Hello

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84.78。

2019-10-31 23:34:47

84.78

31

叶子依然

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84.78。

2019-11-04 19:47:54

84.78

32

DFZ

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84.78。

2019-11-12 21:33:11

84.78

33

野猪佩奇

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84.78。

2019-11-13 18:06:06

84.78

34

王王

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84.78。

2019-11-14 13:55:58

84.78

35

cierlly

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84.78。

2019-11-25 12:27:06

84.78

36

dark444steel

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84.78。

2019-11-30 02:05:18

84.78

37

叫我小谢好了

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84.78。

2019-12-20 13:52:03

84.78

38

monkey2

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84.78。

2019-12-23 09:42:29

84.78

39

atway

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84.78。

2019-12-23 09:48:26

84.78

40

oTo

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84.78。

2019-12-24 16:20:15

84.78

41

cracked2

batch数据为32,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84.78。

2019-12-30 15:33:43

84.78

42

Regexz

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84.78。

2019-12-30 18:36:32

84.78

43

陌上羽

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84.78。

2020-01-20 15:36:15

84.78

44

凡点

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84.78。

2020-03-16 13:58:04

84.78

45

molly

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84.78。

2020-03-19 10:02:21

84.78

46

luckynote

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84.78。

2020-03-25 10:22:39

84.78

47

回忆无处找寻

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84.78。

2020-10-17 10:34:16

84.78

48

张贝贝

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84.78。

2020-10-25 22:20:46

84.78

49

flyai会员1609732528

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84.78。

2021-01-04 12:00:10

84.78

50

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84.78。

2021-06-29 01:46:29

84.78

51

六月

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84.78。

2021-07-10 20:18:58

84.78

52

就是很任性

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84.60。

2019-07-08 14:12:02

84.60

53

banana

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83.98。

2019-07-12 12:23:18

83.98

54

Indigo6

batch数据为64,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83.87。

2019-07-09 21:44:22

83.87

55

l*g*z

batch数据为500,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83.31。

2019-07-06 04:19:25

83.31

56

范特西

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83.23。

2019-07-12 20:17:45

83.23

57

skyofunknow

batch数据为256,循环次数为12次,通过在线上环境完成训练,模型最优精度评分为83.04。

2019-07-10 08:52:42

83.04

58

AiFool

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83.03。

2019-07-06 13:12:33

83.03

59

guoguo

batch数据为128,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83.01。

2019-07-23 02:42:43

83.01

60

ShadowFiend

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83.00。

2019-07-06 11:38:29

83.00

61

Joshua

batch数据为500,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83.00。

2019-07-08 16:37:36

83.00

62

埼玉不秃头

batch数据为500,循环次数为48次,通过在线上环境完成训练,模型最优精度评分为81.77。

2019-07-11 01:18:12

81.77

63

Angeladev

batch数据为64,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81.77。

2019-11-05 01:23:16

81.77

64

麦麦旋风

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81.67。

2019-08-02 12:26:12

81.67

65

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81.15。

2019-07-09 00:24:21

81.15

66

杨杨杨

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80.82。

2019-08-06 23:28:38

80.82

67

麦小杨

batch数据为128,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79.41。

2019-07-06 01:15:32

79.41

68

begins

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73.49。

2019-07-13 02:42:43

73.49

69

pprp

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68.08。

2020-04-15 10:15:01

68.08

70

徐放勋

batch数据为500,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48.46。

2019-08-02 22:15:48

48.46

71

北部湾的落日

batch数据为64,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35.95。

2019-07-10 22:45:04

35.95

72

丨breeze丨

batch数据为128,循环次数为12次,通过在线上环境完成训练,模型最优精度评分为0.00。

2019-08-02 12:42:20

0.00

2019-08-06
linlh

模型得分为100,本次获得排名奖奖金为500

2019-08-06 15:00:01

trickornot

模型得分为100,本次获得排名奖奖金为750

2019-08-06 15:00:01

人间正道是沧桑

模型得分为100,本次获得排名奖奖金为1250

2019-08-06 15:00:01

2019-07-15
gboy

模型得分为100,本次获得实时奖励奖金为11.72

2019-07-15 12:08:39

weiliming

模型得分为96.55,本次获得实时奖励奖金为187.5

2019-07-15 12:07:54

2019-07-12
人间正道是沧桑

模型得分为100,本次获得排名奖奖金为1250

2019-07-12 15:00:01

trickornot

模型得分为100,本次获得排名奖奖金为750

2019-07-12 15:00:01

linlh

模型得分为100,本次获得排名奖奖金为500

2019-07-12 15:00:01

蜗牛、Gray

模型得分为100,本次获得实时奖励奖金为23.44

2019-07-12 12:19:14

Xin Yao

模型得分为96.13,本次获得实时奖励奖金为375

2019-07-12 11:40:03

sloan

模型得分为92.02,本次获得实时奖励奖金为15

2019-07-12 11:31:46

2019-07-11
化猫

模型得分为100,本次获得实时奖励奖金为46.88

2019-07-11 10:44:02

weiliming

模型得分为94.67,本次获得实时奖励奖金为56.25

2019-07-11 10:36:41

2019-07-10
cnn

模型得分为90.6,本次获得实时奖励奖金为7.5

2019-07-10 11:36:47

2019-07-09
weiliming

模型得分为92.34,本次获得实时奖励奖金为30

2019-07-09 14:15:18

无......有

模型得分为93,本次获得实时奖励奖金为60

2019-07-09 12:36:39

2019-07-08
无......有

模型得分为90.34,本次获得实时奖励奖金为15

2019-07-08 12:39:50

weiliming

模型得分为91.03,本次获得实时奖励奖金为30

2019-07-08 12:39:45

Xin Yao

模型得分为94.94,本次获得实时奖励奖金为112.5

2019-07-08 12:39:43

恋旧却念旧

模型得分为100,本次获得实时奖励奖金为93.75

2019-07-08 12:39:40

Xin Yao

模型得分为93.85,本次获得实时奖励奖金为120

2019-07-08 12:39:37

丶人狠话不多

模型得分为94.83,本次获得实时奖励奖金为225

2019-07-08 12:39:34

linlh

模型得分为100,本次获得实时奖励奖金为187.5

2019-07-08 12:39:11

trickornot

模型得分为100,本次获得实时奖励奖金为375

2019-07-08 12:39:07

人间正道是沧桑

模型得分为100,本次获得实时奖励奖金为2750

2019-07-08 12:38:50

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。