TensorFlow2.0 人民币面值识别

分享给好友

剩余奖金 ¥ 0

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

全网首个TensorFlow 2.0竞赛项目上线!

人民币面值识别是一个简单的图像分类任务,通过建立准确的分类模型识别出人民币面额。

第四套人民币是中国人民银行于1987年4月27日至1997年4月1日发行的一套货币,共有1角、2角、5角、1元、2元、5元、10元、50元、100元9种面额。

TensorFlow 2.0 将专注于简单性和易用性,具有以下更新:

1、使用 Keras 轻松构建模型

2、在任意平台上实现稳健模型部署

3、为研究提供强大的实验工具

4、简化 API 接口,删掉多余的和重复的 API

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:

  • 上线时间:2019-06-20
  • 周排行奖结算时间:2019-06-27 15:00:00;月排名奖结算时间:2019-07-20 15:00:00
  • 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金
  • 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 string 不为空 图片的相对路径
label float 不为空 分类标签

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:加勒比

251.00

batch数据为500,循环次数为32次,损失函数优化完,最终完成评分为100。

2019-07-18 14:09:12

251.00

100.00

第三名

提供者:丶人狠话不多

949.00

batch数据为64,循环次数为2500次,损失函数优化完,最终完成评分为99.97。

2019-06-22 00:00:22

949.00

99.97

第三名

提供者:malena

259.38

batch数据为28,循环次数为3000次,损失函数优化完,最终完成评分为99.97。

2019-06-22 05:46:41

259.38

99.97

4

提供者:善假于物

104.69

batch数据为128,循环次数为100次,损失函数优化完,最终完成评分为99.97。

2019-06-22 09:33:53

104.69

99.97

5

提供者:交差墒

1.17

batch数据为8,循环次数为30次,损失函数优化完,最终完成评分为99.97。

2019-06-22 10:11:36

1.17

99.97

6

提供者:sakuranew

batch数据为128,循环次数为32次,损失函数优化完,最终完成评分为99.97。

2019-06-22 10:39:37

99.97

7

提供者:王瑞

18.75

batch数据为64,循环次数为1次,损失函数优化完,最终完成评分为99.97。

2019-06-22 23:08:25

18.75

99.97

8

提供者:weiliming

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99.97。

2019-06-24 09:30:17

99.97

9

提供者:stawary

batch数据为64,循环次数为3次,损失函数优化完,最终完成评分为99.97。

2019-06-25 03:05:28

99.97

10

提供者:linlh

batch数据为64,循环次数为1次,损失函数优化完,最终完成评分为99.97。

2019-06-25 04:02:05

99.97

11

提供者:我吃定了这第一

37.50

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99.97。

2019-06-26 11:20:10

37.50

99.97

12

提供者:zhr

18.75

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99.97。

2019-06-27 05:07:38

18.75

99.97

13

提供者:Seeney

batch数据为32,循环次数为2次,损失函数优化完,最终完成评分为99.97。

2019-07-01 20:01:44

99.97

14

提供者:麦小杨

batch数据为256,循环次数为32次,损失函数优化完,最终完成评分为99.97。

2019-07-05 13:31:00

99.97

15

提供者:isaiah

12.00

batch数据为128,循环次数为50次,损失函数优化完,最终完成评分为99.97。

MXNet

CNN

2019-07-16 19:48:41

12.00

99.97

16

提供者:天涯·明月·刀

batch数据为1,循环次数为1次,损失函数优化完,最终完成评分为99.97。

2019-07-19 14:31:00

99.97

17

提供者:Winteriscoming

batch数据为1,循环次数为1次,损失函数优化完,最终完成评分为99.96。

2019-06-22 02:29:52

99.96

18

提供者:gboy

batch数据为64,循环次数为800次,损失函数优化完,最终完成评分为99.96。

2019-06-22 14:36:31

99.96

19

提供者:HelloWor1d

batch数据为32,循环次数为233次,损失函数优化完,最终完成评分为99.96。

2019-06-22 19:06:33

99.96

20

提供者:大佬们带带我

batch数据为256,循环次数为1次,损失函数优化完,最终完成评分为99.96。

TensorFlow

import torch as tf

2019-06-23 04:38:42

99.96

21

提供者:人间正道是沧桑

150.00

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99.96。

2019-06-24 14:26:10

150.00

99.96

22

提供者:zhengyuan

batch数据为128,循环次数为4次,损失函数优化完,最终完成评分为99.96。

2019-06-26 00:27:35

99.96

23

提供者:cnn

batch数据为128,循环次数为100次,损失函数优化完,最终完成评分为99.96。

2019-06-28 01:26:07

99.96

24

提供者:李小白

batch数据为64,循环次数为10次,损失函数优化完,最终完成评分为99.96。

2019-07-08 11:32:43

99.96

25

提供者:Scarlatti

batch数据为24,循环次数为3次,损失函数优化完,最终完成评分为99.95。

2019-06-22 11:55:02

99.95

26

提供者:chyang

37.50

batch数据为8,循环次数为4次,损失函数优化完,最终完成评分为99.95。

2019-06-30 00:32:14

37.50

99.95

27

提供者:答案

batch数据为128,循环次数为32次,损失函数优化完,最终完成评分为99.95。

2019-07-31 00:22:26

99.95

28

提供者:佚

batch数据为64,循环次数为32次,损失函数优化完,最终完成评分为99.95。

2019-10-31 11:31:01

99.95

29

提供者:安东尼勇士

batch数据为500,循环次数为32次,损失函数优化完,最终完成评分为99.92。

2019-06-25 11:42:10

99.92

30

提供者:BMW开空调

11.25

batch数据为64,循环次数为1次,损失函数优化完,最终完成评分为99.89。

2019-07-14 00:44:09

11.25

99.89

31

提供者:sblyx

2.34

batch数据为256,循环次数为300次,损失函数优化完,最终完成评分为99.76。

2019-06-22 20:07:08

2.34

99.76

32

提供者:ChangeBio

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99.71。

2019-06-22 12:26:22

99.71

33

提供者:AiFool

batch数据为128,循环次数为100次,损失函数优化完,最终完成评分为99.67。

2019-06-22 14:53:38

99.67

34

提供者:探索之路

batch数据为500,循环次数为2次,损失函数优化完,最终完成评分为99.52。

2019-07-17 14:44:16

99.52

35

提供者:clare

batch数据为32,循环次数为500次,损失函数优化完,最终完成评分为99.41。

2019-06-23 00:30:18

99.41

36

提供者:colorLess

3.00

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99。

2019-06-26 17:51:42

3.00

99.00

37

提供者:北部湾的落日

batch数据为128,循环次数为5次,损失函数优化完,最终完成评分为98.38。

2019-07-11 14:03:49

98.38

38

提供者:顺宝

51.19

batch数据为32,循环次数为1次,损失函数优化完,最终完成评分为97.67。

2019-06-28 18:00:29

51.19

97.67

39

提供者:友情小爪

2.34

batch数据为500,循环次数为32次,损失函数优化完,最终完成评分为97.2。

2019-07-07 10:45:05

2.34

97.20

40

提供者:鬼见愁

9.38

batch数据为32,循环次数为1次,损失函数优化完,最终完成评分为97.03。

2019-06-28 15:00:21

9.38

97.03

41

提供者:LeyN

45.00

batch数据为65,循环次数为45次,损失函数优化完,最终完成评分为95.73。

2019-06-26 12:07:48

45.00

95.73

42

提供者:なんか行ける気がする

1.41

batch数据为64,循环次数为1次,损失函数优化完,最终完成评分为95.44。

2019-10-18 23:36:58

1.41

95.44

43

提供者:matthew

2.81

batch数据为64,循环次数为50次,损失函数优化完,最终完成评分为95.39。

2019-08-23 08:07:58

2.81

95.39

44

提供者:Noah

5.63

batch数据为64,循环次数为32次,损失函数优化完,最终完成评分为94.61。

2019-07-31 03:32:30

5.63

94.61

45

提供者:冬至

6.00

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90.72。

2019-06-24 04:55:06

6.00

90.72

46

提供者:hiccup

1.50

batch数据为128,循环次数为100次,损失函数优化完,最终完成评分为90.18。

2019-06-27 07:09:04

1.50

90.18

47

提供者:PPdog

batch数据为64,循环次数为1次,损失函数优化完,最终完成评分为89.92。

2019-06-25 08:18:53

89.92

48

提供者:sw2009

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88.35。

2019-08-23 20:51:10

88.35

49

提供者:Reluminia

batch数据为64,循环次数为10次,损失函数优化完,最终完成评分为80.63。

2019-08-05 15:42:45

80.63

50

提供者:breezeandyou

batch数据为128,循环次数为20次,损失函数优化完,最终完成评分为9.64。

2019-06-20 20:57:32

9.64

2019-10-21
なんか行ける気がする

模型得分为95.44,本次获得实时奖励奖金为1.41

2019-10-21 11:29:06

2019-08-23
matthew

模型得分为95.39,本次获得实时奖励奖金为2.81

2019-08-23 15:14:00

2019-07-31
Noah

模型得分为94.61,本次获得实时奖励奖金为5.63

2019-07-31 10:40:23

2019-07-25
答案

模型得分为93.02,本次获得实时奖励奖金为6

2019-07-25 14:30:40

2019-07-20
malena

模型得分为99.97,本次获得排名奖奖金为100

2019-07-20 15:00:01

丶人狠话不多

模型得分为99.97,本次获得排名奖奖金为150

2019-07-20 15:00:01

加勒比

模型得分为100,本次获得排名奖奖金为250

2019-07-20 15:00:01

2019-07-17
加勒比

模型得分为99.99,本次获得实时奖励奖金为1

2019-07-17 10:46:38

2019-07-15
BMW开空调

模型得分为95.7,本次获得实时奖励奖金为11.25

2019-07-15 15:32:28

2019-07-08
isaiah

模型得分为92,本次获得实时奖励奖金为12

2019-07-08 10:42:32

友情小爪

模型得分为97.2,本次获得实时奖励奖金为2.34

2019-07-08 10:42:23

2019-07-01
顺宝

模型得分为97.67,本次获得实时奖励奖金为4.69

2019-07-01 10:55:15

顺宝

模型得分为94.14,本次获得实时奖励奖金为22.5

2019-07-01 10:53:29

鬼见愁

模型得分为97.03,本次获得实时奖励奖金为9.38

2019-07-01 10:50:33

2019-06-28
顺宝

模型得分为92.79,本次获得实时奖励奖金为24

2019-06-28 11:54:23

2019-06-27
善假于物

模型得分为99.97,本次获得排名奖奖金为100

2019-06-27 15:00:02

malena

模型得分为99.97,本次获得排名奖奖金为150

2019-06-27 15:00:02

丶人狠话不多

模型得分为99.97,本次获得排名奖奖金为250

2019-06-27 15:00:02

hiccup

模型得分为90.18,本次获得实时奖励奖金为1.5

2019-06-27 10:31:43

LeyN

模型得分为95.73,本次获得实时奖励奖金为45

2019-06-27 10:31:03

2019-06-26
colorLess

模型得分为90.94,本次获得实时奖励奖金为3

2019-06-26 11:17:26

2019-06-24
冬至

模型得分为90.72,本次获得实时奖励奖金为6

2019-06-24 11:18:18

王瑞

模型得分为96.24,本次获得实时奖励奖金为18.75

2019-06-24 11:09:34

chyang

模型得分为97.19,本次获得实时奖励奖金为37.5

2019-06-24 10:57:19

交差墒

模型得分为99.97,本次获得实时奖励奖金为1.17

2019-06-24 10:57:10

sblyx

模型得分为98.69,本次获得实时奖励奖金为2.34

2019-06-24 10:57:01

善假于物

模型得分为99.97,本次获得实时奖励奖金为4.69

2019-06-24 10:56:55

malena

模型得分为99.97,本次获得实时奖励奖金为9.38

2019-06-24 10:53:59

zhr

模型得分为99.91,本次获得实时奖励奖金为18.75

2019-06-24 10:53:05

Winteriscoming

模型得分为99.96,本次获得实时奖励奖金为18.75

2019-06-24 10:52:47

我吃定了这第一

模型得分为99.96,本次获得实时奖励奖金为37.5

2019-06-24 10:52:42

人间正道是沧桑

模型得分为99.18,本次获得实时奖励奖金为75

2019-06-24 10:52:38

人间正道是沧桑

模型得分为96.78,本次获得实时奖励奖金为75

2019-06-24 10:52:33

丶人狠话不多

模型得分为99.97,本次获得实时奖励奖金为549

2019-06-24 10:52:28

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