雨雪天气车辆检测分割

分享给好友

2019-08-16 15:00:00
开始提交

2019-09-15 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

本数据集包含雨雪天气下摄像头记录的街道RGB照片以及热感应照片,目标是分割出照片中路面的车辆部分。数据集共包含2198对RGB照片和热感应照片,图片大小为640*480。

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

RainSnowUtility

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
rgb_path string 不为空 RGB图片路径
thermal_path string 不为空 热感应图片路径
mask_path string 不为空 标签图片路径

评审标准

算法输入输出格式

输入字段: rgb_path, thermal_path,

输出字段: mask_path,

评审指标说明

  • Dice 系数是一种评估相似度的函数,通常用于计算两个样本的相似度或者重叠度。
  • 计算公式如下:
  • 评审计算公式

$vue{item.rank_name}

超过 80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:Daiccccc

大神经验
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89.18。

2019-09-14 21:57:53

3281.50

大神经验
第三名

提供者:大木淡漠

大神经验
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88.86。

2019-09-16 01:16:09

1905.00

大神经验
第三名

提供者:丶人狠话不多

大神经验
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88.70。

2019-09-05 07:30:31

1566.00

大神经验
4

提供者:xaioqiang

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87.63。

2019-09-24 04:41:19

10.00

暂未公开
5

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87.47。

torch

ResU-Net

2019-09-14 19:54:16

720.00

暂未公开
6

提供者:释然

暂未公开
batch数据为8,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86.29。

torch

ResU-Net

2019-09-15 03:20:38

370.00

暂未公开
7

提供者:哈尔的移动城堡

暂未公开
batch数据为8,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85.62。

torch

ResU-Net

2019-09-11 14:09:13

10.00

暂未公开
8

提供者:西北风

暂未公开
batch数据为10,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85.32。

torch

ResU-Net

2019-10-25 05:30:44

10.00

暂未公开
9

提供者:Whisney`逸文

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85.03。

2019-08-20 16:57:33

暂未公开
10

提供者:nice

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84.64。

torch

ResU-Net

2019-09-16 10:30:24

20.00

暂未公开
11

提供者:人间正道是沧桑

暂未公开
batch数据为8,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84.54。

torch

ResU-Net

2019-09-08 09:30:56

20.00

暂未公开
12

提供者:AMERICA

暂未公开
batch数据为8,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83.90。

torch

ResU-Net

2019-09-15 02:15:50

10.00

暂未公开
13

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83.28。

torch

ResU-Net

2019-09-16 12:17:23

10.00

暂未公开
14

提供者:ak74

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83.12。

2019-09-04 22:45:25

10.00

暂未公开
15

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82.55。

torch

ResU-Net

2019-09-16 00:27:38

10.00

暂未公开
16

提供者:超爱喝酸奶

暂未公开
batch数据为8,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80.49。

2019-09-15 14:32:36

10.00

暂未公开
17

提供者:做自己的唯一

暂未公开
batch数据为4,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79.73。

torch

ResU-Net

2019-08-27 22:45:39

暂未公开
18

提供者:ashergaga

暂未公开
batch数据为4,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77.38。

torch

ResU-Net

2019-09-04 04:20:01

暂未公开
19

提供者:黄劲潮

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77.22。

2019-11-25 09:10:29

暂未公开
20

提供者:飞回地球

暂未公开
batch数据为8,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73.93。

2019-09-08 04:05:15

暂未公开
21

提供者:skr skr skr

暂未公开
batch数据为20,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73.47。

torch

ResU-Net

2019-09-05 16:59:06

暂未公开
22

提供者:把你吃掉

暂未公开
batch数据为8,循环次数为120次,通过在线上环境完成训练,模型最优精度评分为70.59。

torch

ResU-Net

2019-09-24 03:25:08

暂未公开
23

提供者:你猜猜我是谁

暂未公开
batch数据为16,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70.46。

2019-09-07 21:17:59

暂未公开
24

提供者:美式半糖不加奶

暂未公开
batch数据为4,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66.93。

torch

ResU-Net

2019-09-03 12:12:59

暂未公开
25

提供者:天涯·明月·刀

暂未公开
batch数据为4,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65.93。

PyTorch

ResU-Net

2019-09-14 20:35:35

暂未公开
26

提供者:瑞1562810069

暂未公开
batch数据为6,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50.32。

TensorFlow

ResU-Net

2019-10-12 17:04:49

暂未公开
27

提供者:机器学渣

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48.78。

torch

ResU-Net

2019-08-22 14:56:36

暂未公开
28

提供者:weiliming

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48.46。

torch

ResU-Net

2019-09-04 21:05:50

暂未公开
29

提供者:善假于物

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38.11。

torch

ResU-Net

2019-09-12 05:00:15

暂未公开
30

提供者:bigyang

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30.70。

torch

ResU-Net

2019-09-03 11:41:43

暂未公开
31

提供者:无心法师

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20.34。

torch

ResU-Net

2019-09-10 08:03:02

暂未公开
32

提供者:毛毛1572914561

暂未公开
batch数据为8,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8.52。

2019-11-07 12:41:20

暂未公开
33

提供者:木信

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5.25。

PyTorch

ResU-Net

2019-09-05 00:59:04

暂未公开
34

提供者:Limbor

暂未公开
batch数据为8,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5.05。

PyTorch

ResU-Net

2019-10-15 19:57:57

暂未公开
35

提供者:呵了个呵。

暂未公开
batch数据为16,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5.01。

PyTorch

ResU-Net

2019-11-04 02:07:32

暂未公开
36

提供者:Devin

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4.84。

2019-08-26 22:11:30

暂未公开
37

提供者:埼玉不秃头

暂未公开
batch数据为16,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4.80。

torch

ResU-Net

2019-08-29 01:00:04

暂未公开
38

提供者:样例代码

暂未公开
batch数据为16,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4.79。

torch

ResU-Net

2019-08-23 12:12:59

暂未公开
39

提供者:哇咔咔

暂未公开
batch数据为16,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4.79。

PyTorch

ResU-Net

2019-09-03 18:46:07

暂未公开
40

提供者:colorLess

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4.79。

torch

ResU-Net

2019-09-13 20:06:24

暂未公开
41

提供者:好吧不好吧你都用

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4.79。

2019-09-22 02:19:05

暂未公开
42

提供者:小龙虾养殖

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4.79。

PyTorch

ResU-Net

2019-10-08 02:45:31

暂未公开
43

提供者:mmmm

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4.79。

PyTorch

ResU-Net

2019-10-10 21:29:14

暂未公开
44

提供者:好好学习

暂未公开
batch数据为16,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4.79。

PyTorch

ResU-Net

2019-10-24 12:29:45

暂未公开
45

提供者:居(^・ェ・^)

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4.79。

PyTorch

ResU-Net

2019-11-24 19:48:00

暂未公开
46

提供者:qck15570179927

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4.60。

PyTorch

ResU-Net

2019-09-14 09:17:34

暂未公开
47

提供者:Init_bin

暂未公开
batch数据为4,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0.00。

torch

ResU-Net

2019-08-22 08:46:59

暂未公开
48

提供者:clare

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0.00。

torch

NET

2019-08-22 21:56:08

暂未公开
49

提供者:喵喵

暂未公开
batch数据为16,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0.00。

torch

ResU-Net

2019-08-22 22:08:43

暂未公开
50

提供者:汤

暂未公开
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0.00。

torch

ResU-Net

2019-08-23 20:33:54

暂未公开
51

提供者:cnn

暂未公开
batch数据为16,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0.00。

torch

ResU-Net

2019-08-23 20:58:30

暂未公开
52

提供者:玄学炼丹师

暂未公开
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0.00。

torch

ResU-Net

2019-08-24 12:26:57

暂未公开
53

提供者:★八百标兵奔北坡

暂未公开
batch数据为8,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0.00。

torch

ResU-Net

2019-08-24 23:56:12

暂未公开
54

提供者:ZjiM

暂未公开
batch数据为8,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0.00。

torch

ResU-Net

2019-08-26 21:09:29

暂未公开
55

提供者:上山打老鼠

暂未公开
batch数据为512,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0.00。

torch

ResU-Net

2019-09-01 08:44:22

暂未公开
第一名
居(^・ェ・^) 2019-11-28 11:44:10
2019-11-28 11:44:10
10.04
第二名
韩天啸 2020-06-16 16:07:41
2020-06-16 16:07:41
4.79
第三名
点降唇 2019-12-02 10:11:36
2019-12-02 10:11:36
0
4
Albert1584276748 2020-03-29 22:56:46
2020-03-29 22:56:46
0
5
layman-wh 2020-04-14 08:46:39
2020-04-14 08:46:39
0
6
是阿正 2020-12-14 20:32:31
2020-12-14 20:32:31
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