北京垃圾分类识别

分享给好友

2020-05-01 12:00:00
开始提交

2020-06-01 20:00:00
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

5月1日起,新版《北京市生活垃圾管理条例》(以下简称新《条例》)正式实施。为配合《条例》的实施,北京市还印发了《北京市生活垃圾分类工作行动方案》以及四个实施办法。

北京的垃圾分类标准与上海并不完全一致,采用可回收物、厨余垃圾、有害垃圾和其他垃圾四大类,分别对应四种不同颜色的垃圾桶,即蓝色、绿色、红色和灰色。

随着垃圾分类处理行业竞争的不断加剧,大型企业间并购整合与资本运作日趋频繁,国内外优秀的垃圾分类处理企业愈来愈重视对行业市场的分析研究,特别是通过人工智能技术与垃圾分类硬件、软件产品中的应用融合,能够帮助居民更加准确的进行垃圾的准确分类,提升分类效果。

本赛题要求参赛者基于深度学习技术建立准确的垃圾分类模型,利用技术手段改善人居生活环境!

赛事主题和数据说明

赛题描述

5月1日起,新版《北京市生活垃圾管理条例》(以下简称新《条例》)正式实施。为配合《条例》的实施,北京市还印发了《北京市生活垃圾分类工作行动方案》以及四个实施办法。本赛题要求参赛者基于深度学习技术建立准确的垃圾分类模型,利用技术手段改善人居生活环境!

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 样例
train.csv image_path str 图片的相对路径 ./data/input/BeijingGarbage/images/0.png
label int 标签 0
name str 垃圾名称 厨余垃圾_核桃

评审标准

算法输入输出格式

系统评估时,要求参赛者必须在predict方法中接收到输入和评估返回的结果输出,格式如下所示。

输入字段:

{
    "image_path": ".\/data\/input\/BeijingGarbage\/images\/0.png"
}

输出字段:

{
    "label": 0
}

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 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:南飞的雁

大神经验
batch数据为64,循环次数为18次,通过在线上环境完成训练,模型最优精度评分为86.67。

2020-05-22 03:37:52

大神经验
第三名

提供者:芦花似雪

大神经验
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86.03。

2020-05-20 16:50:14

大神经验
第三名

提供者:yunshao555

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85.97。

2020-05-18 03:47:26

大神经验
4

提供者:想吃多但不想长胖

大神经验
batch数据为64,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85.36。

2020-05-26 17:02:11

大神经验
第一名
别人的公园 2020-06-04 10:12:44
2020-06-04 10:12:44
87.24
第二名
NoGPUBoy 2020-06-01 21:09:28
2020-06-01 21:09:28
87.1
第三名
南飞的雁 2020-06-02 06:40:58
2020-06-02 06:40:58
85.16
4
ggcc 2020-06-25 21:33:48
2020-06-25 21:33:48
81.97
5
吴彦祖 2020-06-02 06:41:50
2020-06-02 06:41:50
67.04
6
syg 2020-06-02 04:38:22
2020-06-02 04:38:22
61.95
7
Mr.Fire 2020-06-15 06:03:13
2020-06-15 06:03:13
59.17
8
cyf 2020-06-02 20:40:55
2020-06-02 20:40:55
46.79
9
wootsi 2020-07-18 17:39:50
2020-07-18 17:39:50
39.58
10
jieke0116 2020-07-08 15:41:15
2020-07-08 15:41:15
4.02
11
沁竹 2020-06-10 06:40:48
2020-06-10 06:40:48
2.6
12
SKMing 2020-09-10 20:08:32
2020-09-10 20:08:32
2.6
13
喝酸奶不舔盖 2020-10-23 10:38:00
2020-10-23 10:38:00
2.6
14
flyai会员1603024333 2020-11-08 14:29:58
2020-11-08 14:29:58
2.6
15
zozo 2020-11-30 22:18:44
2020-11-30 22:18:44
2.6
16
志鹏 2020-07-26 14:23:56
2020-07-26 14:23:56
0.33
17
MajestyBro 2020-06-03 16:14:56
2020-06-03 16:14:56
0
18
flyai会员1593498963 2020-07-02 11:40:38
2020-07-02 11:40:38
0
19
helloword 2020-07-07 00:08:53
2020-07-07 00:08:53
0
20
humeme 2020-08-15 21:22:59
2020-08-15 21:22:59
0
21
AHHHHH 2020-09-05 15:54:43
2020-09-05 15:54:43
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