62种交通信号标志识别

分享给好友

剩余奖金 ¥ 44

报名参赛

体验云端免费GPU极速训练,还能赢奖⾦!

报名参赛

大赛简介

BelgiumTSC 是一个图像数据集,包含62种交通信号标志的照片。分类数量:62 图片数量:6,954 标注:种类编号

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

  • 方式一:
  • 在线查看样例根据FlyAI样例模版实现算法并使用云端免费GPU进行模型训练获得最终成绩得分
  • 方式二:
  • 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,在本地进行代码调试的教程请查看[文档中心]

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

  • 最终比赛成绩以排行榜显示排名为准
  • 根据作品提交时间先后顺序进行人工审核,审核合格后提交至排行榜
  • 禁止使用外部链接下载代码替换本项目代码
  • 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

备注:

  • 奖金获取标准:90<Score 按照得分比例获取奖金
  • 获得奖金分为3部分:参与奖、突破奖为审核完毕实时获取的奖金,排名奖需在规定时间结束后根据排名顺序获得
  • Bouns表示为:奖金池总金额;Score表示为:模型得分;
  • 【参与奖】相同得分区间无法再次获得奖励
  • 各项奖金获得计算公式参考如下:
  • 参与奖(Participation Award)
  • R表示:得分的区间系数;T表示为:相同得分区间得分人数;
  • 100-标准分:分为5个区间系数;R1(0.02),R2(0.08),R3(0.15),R4(0.25),R5(0.5)
  • 奖金计算公式1
  • 突破奖(Prizes)
  • N表示:第N次更新排行榜;Prizes_N-1表示:排行榜更新后已发放的突破奖
  • 奖金计算公式2
  • 排名奖(Ranking Award)
  • Time_p表示:相关截止日期的奖金发放系数;K表示:每次发放排行榜前三名的分配系数;
  • 奖金计算公式3

赛事主题和数据说明

赛题描述

通过迭代自己的算法模型并提交训练,获取奖金池高额奖金。

数据来源

BelgiumTSC

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:

字段名 字段类型 取值区间 字段描述
image_path file_path 不为空 图片的相对路径
label int 大于等于 0, 小于等于 61 图片的标注标签

输入字段: image_path,

输出字段: label,

参考文献:

[1]

评审标准

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:

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、PaddlePaddle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。

展开

  • 竞赛排行榜
  • 奖金记录
第三名

提供者:我吃定了这第一

375.94

batch数据为64,循环次数为2000次,损失函数优化完,最终完成评分为99.86。

2019-05-03 20:17:38

375.94

99.86

第三名

提供者:唱跳RAP打篮球

641.73

batch数据为64,循环次数为5000次,损失函数优化完,最终完成评分为99.71。

2019-04-05 05:42:18

641.73

99.71

第三名

提供者:smooklazz

250.74

batch数据为128,循环次数为10000次,损失函数优化完,最终完成评分为99.71。

2019-04-09 02:51:17

250.74

99.71

4

提供者:你猜猜我是谁

14.06

batch数据为256,循环次数为147次,损失函数优化完,最终完成评分为99.71。

2019-04-10 11:18:59

14.06

99.71

5

提供者:火炎焱燚

46.90

batch数据为128,循环次数为1000次,损失函数优化完,最终完成评分为99.64。

2019-04-06 10:22:32

46.90

99.64

6

提供者:Teenage Dream

1.46

batch数据为64,循环次数为3000次,损失函数优化完,最终完成评分为99.64。

2019-04-09 20:14:13

1.46

99.64

7

提供者:善假于物

503.00

batch数据为64,循环次数为2000次,损失函数优化完,最终完成评分为99.64。

2019-04-11 10:25:32

503.00

99.64

8

提供者:malena

batch数据为256,循环次数为2000次,损失函数优化完,最终完成评分为99.64。

2019-04-25 19:47:20

99.64

9

提供者:cclxx

44.58

batch数据为128,循环次数为500次,损失函数优化完,最终完成评分为99.57。

2019-04-05 18:19:36

44.58

99.57

10

提供者:lyming

91.69

batch数据为64,循环次数为2000次,损失函数优化完,最终完成评分为99.5。

2019-04-05 05:03:45

91.69

99.50

11

提供者:Winteriscoming

7.50

batch数据为64,循环次数为2000次,损失函数优化完,最终完成评分为99.5。

PyTorch

Resnet50

2019-04-13 17:14:18

7.50

99.50

12

提供者:lightning-zgc

93.75

batch数据为128,循环次数为3000次,损失函数优化完,最终完成评分为99.42。

2019-04-06 15:48:44

93.75

99.42

13

提供者:丶人狠话不多

0.09

batch数据为64,循环次数为6000次,损失函数优化完,最终完成评分为99.35。

2019-04-05 11:27:32

0.09

99.35

14

提供者:trick_or_treat

1196.00

batch数据为64,循环次数为1000次,损失函数优化完,最终完成评分为99.35。

2019-04-06 21:11:35

1196.00

99.35

15

提供者:bestfitting

batch数据为64,循环次数为2000次,损失函数优化完,最终完成评分为99.35。

PyTorch

Resnet50

2019-04-22 23:40:40

99.35

16

提供者:興趣使然的吃瓜少年

5.86

batch数据为256,循环次数为1500次,损失函数优化完,最终完成评分为99.14。

2019-04-05 04:48:03

5.86

99.14

17

提供者:玄学上分

46.88

batch数据为64,循环次数为1000次,损失函数优化完,最终完成评分为99.14。

2019-04-05 08:54:53

46.88

99.14

18

提供者:周阳

1.46

batch数据为128,循环次数为6000次,损失函数优化完,最终完成评分为98.63。

2019-04-07 14:26:18

1.46

98.63

19

提供者:Daiccccc

206.26

batch数据为64,循环次数为10000次,损失函数优化完,最终完成评分为98.56。

2019-04-06 15:10:20

206.26

98.56

20

提供者:WayPlus

12.09

batch数据为128,循环次数为1000次,损失函数优化完,最终完成评分为98.2。

2019-04-05 08:14:08

12.09

98.20

21

提供者:无......有

0.37

batch数据为128,循环次数为3000次,损失函数优化完,最终完成评分为98.2。

2019-04-14 13:46:44

0.37

98.20

22

提供者:mingda

5.86

batch数据为32,循环次数为2000次,损失函数优化完,最终完成评分为97.92。

2019-04-05 17:06:57

5.86

97.92

23

提供者:sinh

12.19

batch数据为256,循环次数为500次,损失函数优化完,最终完成评分为97.7。

2019-04-06 16:13:48

12.19

97.70

24

提供者:啊肉

batch数据为256,循环次数为2000次,损失函数优化完,最终完成评分为97.56。

2019-04-21 23:11:36

97.56

25

提供者:tik_boa

batch数据为64,循环次数为2000次,损失函数优化完,最终完成评分为97.2。

2019-04-10 14:55:54

97.20

26

提供者:玥神

23.44

batch数据为256,循环次数为60次,损失函数优化完,最终完成评分为96.84。

2019-04-05 02:24:08

23.44

96.84

27

提供者:统治了宇宙的外星人

3.52

batch数据为128,循环次数为1000次,损失函数优化完,最终完成评分为95.83。

2019-04-05 10:08:39

3.52

95.83

28

提供者:篠筱筱

28.13

batch数据为32,循环次数为2000次,损失函数优化完,最终完成评分为95.54。

2019-04-05 07:08:15

28.13

95.54

29

提供者:yangsmile

batch数据为128,循环次数为30次,损失函数优化完,最终完成评分为94.03。

2019-04-26 21:21:01

94.03

30

提供者:gezp

batch数据为64,循环次数为100次,损失函数优化完,最终完成评分为93.82。

2019-04-29 23:07:51

93.82

31

提供者:.co

75.00

batch数据为64,循环次数为1000次,损失函数优化完,最终完成评分为93.31。

torch

DenseNet121

2019-04-05 01:00:34

75.00

93.31

32

提供者:kongd

1.88

batch数据为256,循环次数为1200次,损失函数优化完,最终完成评分为93.17。

2019-04-06 01:41:08

1.88

93.17

33

提供者:红色的小蓝帽

15.00

batch数据为256,循环次数为1000次,损失函数优化完,最终完成评分为92.88。

PyTorch

resnet152

2019-04-05 16:25:12

15.00

92.88

34

提供者:zhiduanqingchang

batch数据为64,循环次数为1500次,损失函数优化完,最终完成评分为91.95。

2019-04-12 10:18:34

91.95

35

提供者:Winfield

1.88

batch数据为256,循环次数为2000次,损失函数优化完,最终完成评分为91.16。

2019-04-05 19:38:00

1.88

91.16

36

提供者:看你很6哦

0.94

batch数据为128,循环次数为1200次,损失函数优化完,最终完成评分为91.16。

2019-04-05 22:35:15

0.94

91.16

37

提供者:ROC

0.47

batch数据为64,循环次数为10000次,损失函数优化完,最终完成评分为91.09。

2019-04-06 03:30:26

0.47

91.09

38

提供者:decoo

0.23

batch数据为150,循环次数为2000次,损失函数优化完,最终完成评分为90.65。

2019-04-06 12:09:13

0.23

90.65

39

提供者:Gifford

batch数据为64,循环次数为3000次,损失函数优化完,最终完成评分为90.58。

2019-04-22 19:48:06

90.58

40

提供者:seven.Qi

batch数据为128,循环次数为3200次,损失函数优化完,最终完成评分为89.22。

2019-06-14 17:14:59

89.22

41

提供者:Reluminia

batch数据为64,循环次数为1800次,损失函数优化完,最终完成评分为88.5。

2019-04-13 11:52:49

88.50

42

提供者:零露

batch数据为256,循环次数为3000次,损失函数优化完,最终完成评分为86.84。

2019-04-05 02:57:18

86.84

43

提供者:Hallo

batch数据为128,循环次数为1000次,损失函数优化完,最终完成评分为85.69。

2019-04-07 16:11:34

85.69

44

提供者:david-dzt

batch数据为256,循环次数为1000次,损失函数优化完,最终完成评分为85.12。

2019-04-08 12:27:17

85.12

45

提供者:zizaieee

batch数据为128,循环次数为3000次,损失函数优化完,最终完成评分为82.6。

2019-04-13 20:58:57

82.60

46

提供者:顺子

batch数据为256,循环次数为1000次,损失函数优化完,最终完成评分为82.46。

2019-11-05 11:08:42

82.46

47

提供者:@you

batch数据为64,循环次数为2000次,损失函数优化完,最终完成评分为73.9。

2019-04-22 10:44:40

73.90

48

提供者:mj1553236471

batch数据为32,循环次数为1000次,损失函数优化完,最终完成评分为64.77。

2019-04-08 19:08:33

64.77

49

提供者:第五轻柔

batch数据为256,循环次数为50次,损失函数优化完,最终完成评分为64.2。

2019-07-03 17:54:59

64.20

50

提供者:就是很任性

batch数据为32,循环次数为1000次,损失函数优化完,最终完成评分为62.98。

2019-04-05 15:34:59

62.98

51

提供者:Zero.zhou

batch数据为120,循环次数为3000次,损失函数优化完,最终完成评分为59.09。

2019-04-07 03:59:59

59.09

52

提供者:robotliu0327

batch数据为256,循环次数为64次,损失函数优化完,最终完成评分为41.62。

2019-05-12 20:45:41

41.62

53

提供者:Episode

batch数据为32,循环次数为10次,损失函数优化完,最终完成评分为24.16。

2019-04-06 15:09:59

24.16

54

提供者:江枫渔火

batch数据为4,循环次数为1600次,损失函数优化完,最终完成评分为16.46。

2019-04-05 20:37:44

16.46

55

提供者:Seeney

batch数据为128,循环次数为3000次,损失函数优化完,最终完成评分为15.17。

2019-04-05 06:27:04

15.17

56

提供者:cactus_6

batch数据为32,循环次数为2000次,损失函数优化完,最终完成评分为12.65。

2019-04-05 15:13:07

12.65

57

提供者:Gavin

batch数据为64,循环次数为500次,损失函数优化完,最终完成评分为12.22。

2019-04-05 00:13:24

12.22

58

提供者:ChangeBio

batch数据为64,循环次数为2000次,损失函数优化完,最终完成评分为12.22。

PyTorch

DenseNet121

2019-04-29 19:10:02

12.22

59

提供者:蜷伏

batch数据为32,循环次数为10次,损失函数优化完,最终完成评分为11.86。

2019-04-06 21:25:44

11.86

60

提供者:liyonghong

batch数据为128,循环次数为1000次,损失函数优化完,最终完成评分为6.76。

2019-04-05 19:30:37

6.76

61

提供者:troublemaker

batch数据为128,循环次数为2000次,损失函数优化完,最终完成评分为3.52。

2019-04-05 04:34:13

3.52

62

提供者:杰

batch数据为256,循环次数为256次,损失函数优化完,最终完成评分为1.37。

2019-04-06 19:32:43

1.37

2019-05-05
唱跳RAP打篮球

模型得分为99.71,本次获得排名奖奖金为250

2019-05-05 15:00:01

我吃定了这第一

模型得分为99.86,本次获得排名奖奖金为375

2019-05-05 15:00:01

2019-04-12
smooklazz

模型得分为99.71,本次获得排名奖奖金为250

2019-04-12 15:00:01

唱跳RAP打篮球

模型得分为99.71,本次获得排名奖奖金为375

2019-04-12 15:00:01

2019-04-08
无......有

模型得分为97.27,本次获得实时奖励奖金为0.37

2019-04-08 18:25:54

2019-04-07
我吃定了这第一

模型得分为93.96,本次获得实时奖励奖金为0.94

2019-04-07 11:24:16

2019-04-07
smooklazz

模型得分为99.64,本次获得实时奖励奖金为0.01

2019-04-07 02:18:30

smooklazz

模型得分为97.05,本次获得实时奖励奖金为0.73

2019-04-06 22:29:35

周阳

模型得分为97.41,本次获得实时奖励奖金为1.46

2019-04-06 19:33:01

2019-04-06
sinh

模型得分为97.48,本次获得实时奖励奖金为2.93

2019-04-06 15:11:34

Daiccccc

模型得分为98.56,本次获得实时奖励奖金为0.01

2019-04-06 15:10:20

decoo

模型得分为90.65,本次获得实时奖励奖金为0.23

2019-04-06 12:09:13

火炎焱燚

模型得分为99.64,本次获得实时奖励奖金为0.02

2019-04-06 10:22:32

2019-04-06
ROC

模型得分为91.09,本次获得实时奖励奖金为0.47

2019-04-06 03:30:26

kongd

模型得分为93.17,本次获得实时奖励奖金为1.88

2019-04-06 01:41:08

sinh

模型得分为95.54,本次获得实时奖励奖金为1.76

2019-04-05 23:58:44

Winteriscoming

模型得分为92.31,本次获得实时奖励奖金为3.75

2019-04-05 23:25:54

sinh

模型得分为93.53,本次获得实时奖励奖金为7.5

2019-04-05 23:25:00

看你很6哦

模型得分为91.16,本次获得实时奖励奖金为0.94

2019-04-05 22:35:15

Winfield

模型得分为91.16,本次获得实时奖励奖金为1.88

2019-04-05 19:38:00

2019-04-05
cclxx

模型得分为99.57,本次获得实时奖励奖金为0.05

2019-04-05 18:19:36

mingda

模型得分为97.92,本次获得实时奖励奖金为5.86

2019-04-05 17:06:57

红色的小蓝帽

模型得分为92.88,本次获得实时奖励奖金为15

2019-04-05 16:25:12

Winteriscoming

模型得分为91.16,本次获得实时奖励奖金为3.75

2019-04-05 12:28:20

丶人狠话不多

模型得分为99.35,本次获得实时奖励奖金为0.09

2019-04-05 11:27:32

2019-04-05
统治了宇宙的外星人

模型得分为95.83,本次获得实时奖励奖金为3.52

2019-04-05 10:08:39

cclxx

模型得分为95.61,本次获得实时奖励奖金为7.03

2019-04-05 09:50:00

WayPlus

模型得分为98.2,本次获得实时奖励奖金为0.37

2019-04-05 08:14:08

你猜猜我是谁

模型得分为94.1,本次获得实时奖励奖金为14.06

2019-04-05 07:57:51

WayPlus

模型得分为97.41,本次获得实时奖励奖金为11.72

2019-04-05 07:39:41

cclxx

模型得分为92.24,本次获得实时奖励奖金为30

2019-04-05 07:08:48

篠筱筱

模型得分为95.54,本次获得实时奖励奖金为28.13

2019-04-05 07:08:15

唱跳RAP打篮球

模型得分为99.71,本次获得实时奖励奖金为16.73

2019-04-05 05:42:18

Teenage Dream

模型得分为99.28,本次获得实时奖励奖金为1.46

2019-04-05 05:38:17

lyming

模型得分为99.5,本次获得实时奖励奖金为6

2019-04-05 05:03:45

興趣使然的吃瓜少年

模型得分为99.14,本次获得实时奖励奖金为5.86

2019-04-05 04:48:03

lyming

模型得分为99.42,本次获得实时奖励奖金为6

2019-04-05 04:32:27

玥神

模型得分为96.84,本次获得实时奖励奖金为23.44

2019-04-05 02:24:08

2019-04-05
火炎焱燚

模型得分为97.34,本次获得实时奖励奖金为46.88

2019-04-05 01:38:18

Daiccccc

模型得分为96.55,本次获得实时奖励奖金为93.75

2019-04-05 01:26:24

lyming

模型得分为99.28,本次获得实时奖励奖金为23.44

2019-04-05 01:17:25

cclxx

模型得分为91.01,本次获得实时奖励奖金为7.5

2019-04-05 01:11:54

玄学上分

模型得分为98.99,本次获得实时奖励奖金为46.88

2019-04-05 01:05:16

.co

模型得分为93.31,本次获得实时奖励奖金为60

2019-04-05 01:00:34

lightning-zgc

模型得分为99.28,本次获得实时奖励奖金为93.75

2019-04-05 00:51:13

trick_or_treat

模型得分为98.71,本次获得实时奖励奖金为187.5

2019-04-05 00:21:47

lyming

模型得分为94.54,本次获得实时奖励奖金为56.25

2019-04-04 23:49:38

.co

模型得分为90.08,本次获得实时奖励奖金为15

2019-04-04 23:46:36

Daiccccc

模型得分为95.26,本次获得实时奖励奖金为112.5

2019-04-04 23:38:33

善假于物

模型得分为99.35,本次获得实时奖励奖金为503

2019-04-04 23:16:06

trick_or_treat

模型得分为97.56,本次获得实时奖励奖金为1008.5

2019-04-04 23:01:18

挑战者大赛 官方交流群

训练记录

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.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

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

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

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

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.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 notebook 操作界面

运行 run main.py 命令即可在本地训练调试代码

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

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 FlyAI-Jupyter 代码调试环境

在终端执行命令 ./flyai ide 打开调试环境 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

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

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

更多参赛帮助请查看文档中心

$vue{ errorTip }

发送样例至我的邮箱

已发送

已发送成功

请查收FlyAI官方邮件查看详情 根据样例提高算法评分可以获得积分奖励 用来兑换GPU训练时长

确定

$vue{flag?'报名成功!':'参赛温馨提示'}

通过迭代赛题的样例代码提高模型准确率哦~
准确率越高,奖励越丰富!

查看样例代码

⼤神你好!当前能⼒值⽆法参加新⼿手赛

多给新手一些机会哦~

查看样例代码

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
参赛提示


申请参赛资格请扫描上方二维码联系FlyAI客服

当前赛题您未在 24小时内 报名参加
参赛资格已失效,如有疑问请联系FlyAI客服

当前赛题您未在 48小时内 提交有效成绩
参赛资格已失效,如有疑问请联系FlyAI客服

参加其他比赛
提交结果文件
提示:每次提交需消耗 100 FAI

仅支持上传 CSV 格式的文件

$vue{csvName}上传成功
取消 确认提交

评估成绩得分

$vue{csv_data.score}
$vue{csv_data.lable}
关闭结果