TensorFlow2.0 人民币面值识别

分享给好友

剩余奖金 ¥ 512

立即报名

立即报名

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

如何参赛?

  • 请在项目详情页点击【立即报名】按钮,首次需验证手机号、完善报名信息
  • 请点击本页的【资料下载】按钮,下载参赛资料并详细阅读README.md文件

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
  • 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
  • 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

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:如何查看数据集?

  • 请在【赛事主题和数据描述>数据来源】点击文字链接查看原始数据集

Q:如何顺利提交作品并训练?

  • 请查看本详情页右侧栏提交指南代码命令提示,根据flyai命令提交作品并训练

Q:提交样例代码是否可获得比赛奖金?

  • 不可以。样例代码仅供开发者学习参考,如提交相似代码,不会通过人工审核且无法获取奖励

展开

排行榜

(每日 24 时更新)

1

提供者:加勒比

1.00

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99.99。

2019-07-17 08:02:26

1.00

99.99

2

提供者:丶人狠话不多

799.00

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

799.00

99.97

3

提供者:malena

159.38

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

159.38

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:我要起床学习了

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:Ant_

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: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

17

提供者:justsoso

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

18

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

19

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

20

提供者:小五弟

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

21

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

22

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

23

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

24

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

25

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

26

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99.94。

2019-07-05 08:15:02

99.94

27

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

28

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

29

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

30

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

31

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

32

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

33

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

34

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

35

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

36

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

37

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

38

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

39

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

40

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

41

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

42

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

43

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

44

提供者:jianbin.xu

batch数据为128,循环次数为10次,损失函数优化完,最终完成评分为。

2019-06-21 21:47:14

0.00

45

提供者:王郅翔Zhixiang Wang

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。

2019-06-22 12:11:59

0.00

46

提供者:Q.IAN

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。

2019-06-22 12:59:59

0.00

47

提供者:Micoon

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。

2019-06-22 21:00:26

0.00

48

提供者:Jason4521

batch数据为32,循环次数为100次,损失函数优化完,最终完成评分为。

2019-06-22 23:55:32

0.00

49

提供者:Leeeon

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。

2019-06-24 11:01:07

0.00

50

提供者:侠

batch数据为128,循环次数为64次,损失函数优化完,最终完成评分为。

2019-06-25 22:13:34

0.00

51

提供者:machinelearning小学生

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。

2019-06-26 15:18:03

0.00

52

提供者:栋冻咚冻栋

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。

2019-06-27 00:06:32

0.00

53

提供者:ON-looker

batch数据为32,循环次数为20次,损失函数优化完,最终完成评分为。

2019-06-28 16:32:21

0.00

万元奖金等你拿,挑战者,都在 FlyAI

点击立即报名

下载参赛资料

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. 下载项目并解压
2.进入到项目目录下,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.本地开发调试

运行flyai.exe程序,点击"本地调试"按钮,输入循环次数和数据量,点击运行即可调用main.py

如果使用本地IDE开发,需要执行安装“flyai”依赖并导入项目,运行main.py

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"提交到GPU"按钮,输入循环次数和数据量,点击运行即可提交到GPU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

1. 下载项目并解压
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

首先进入到项目对应的磁盘中,然后执行

cd path\to\project

Windows用户使用 flyai.exe

4. 本地开发调试

执行下列命令本地安装环境并调试(第一次使用需要使用微信扫码登录)

flyai.exe test

执行test命令,会自动下载100条测试数据到项目下

安装项目所需依赖,并运行 main.py

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

项目中如有新的引用,需加入到 requirements.txt 文件中

在终端下执行

flyai.exe train

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

完整训练设置执行代码示例:

flyai.exe train -b=32 -e=100

通过执行训练命令,本次训练循环 100 次,每次训练读取的数据量为 32 。

1. 下载项目并解压
2. 使用终端进入到项目的根目录下

cd /path/to/project

Mac和Linux用户使用 ./flyai 脚本文件

3. 初始化环境并登录

授权flyai脚本

chmod +x ./flyai

4. 本地开发调试

执行下列命令本地安装环境并调试(第一次使用需要使用微信扫码登录)

./flyai test 注意:命令前面不要加sudo

执行test命令,会自动下载100条测试数据到项目下

安装项目所需依赖,并运行 main.py

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

项目中如有新的引用,需加入到 requirements.txt 文件中

在终端下执行

./flyai train 注意:命令前面不要加sudo

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

完整训练设置执行代码示例:

./flyai train -b=32 -e=100

通过执行训练命令,本次训练循环 100 次,每次训练读取的数据量为 32 。

$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'}

感谢您的参与!点击 下载资料 并及时提交您的作品

您在当前领域能力值未达到参赛标准,
请选择符合能力标准的项目哦!

下载资料

打开微信,使用扫一扫功能分享给好友