Caltech256 图像分类竞赛

分享给好友

剩余奖金 ¥ 276

立即报名

立即报名

大赛简介

Caltech-256 物品分类数据集由Caltech-101数据集演变而来,该数据集选自Google Image数据集,并手工去除了不符合其类别的图片。在该数据集中共有30,607张图片,256个图片类别,每个类别包括超过80张图片。

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
  • 禁止私下与队伍成员之外的人员分享代码和数据,鼓励在大赛交流群与所有参赛选手公开讨论
  • 参赛选手需自行检查提交作品的正确性,确认无误后再进行提交,如有任何提交问题导致成绩有误,主办方概不负责
  • 参赛作品必须保证原创性,不违反任何中华人民共和国的有关法律,不侵犯任何第三方知识产权或其它权利,如有发现并查证,主办方将取消其比赛资格、成绩

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)
FlyAI挑战奖 所有挑战者 奖金获取标准:60<Score<=100 按照得分比例获取奖金池金额
新框架奖励 所有人 项目中首次使用排行榜中未出现的新框架搭建模型,可获得60FAI币额外积分奖励

备注:

  • 通过更新排行榜获取奖金,与原排行榜冠军得分差值越大,所获奖金比例越高
  • 按照所有挑战者提交作品时间先后,后台审核作品并更新到排行榜中, 【Score】未达奖金获取标准可显示在排行榜中,但无法获取奖金
  • 奖金额度获取评判指标说明:【BOUNS】表示奖金池总额度;【Score】表示模型得分;【BU_N】表示第n位达到奖金获取标准并更新排行榜后所获得的奖金总额度
  • 提交离线训练,系统自动评判模型Score。奖金获取额度计算公式如下:

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。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

Caltech256

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 int 大于等于 0, 小于等于 255 物体类别

输入字段: image_path,

输出字段: label,

参考文献:

[1]CNS-TR-2007-001

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:baseline

4247.00

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。

PyTorch

ResNet101

2019-04-10 11:18:42

4247.00

99.71

2

提供者:wsure

3165.00

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98.71。

PyTorch

DenseNet121

2019-04-03 20:14:52

3165.00

98.71

3

提供者:玥神

2290.00

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94.53。

PyTorch

DenseNet

2019-03-29 17:37:42

2290.00

94.53

4

提供者:我要起床学习了

10.00

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94.12。

PyTorch

DenseNet121

2019-04-02 16:03:00

10.00

94.12

5

提供者:丶favor

10.00

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92.18。

PyTorch

DenseNet121

2019-03-31 19:57:44

10.00

92.18

6

提供者:深度瞎学

1567.00

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90.44。

PyTorch

DenseNet121

2019-03-28 07:14:36

1567.00

90.44

7

提供者:玄学上分

329.00

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89.12。

PyTorch

resnet152

2019-03-31 04:38:53

329.00

89.12

8

提供者:天天向上

10.00

batch数据为32,循环次数为8000次,损失函数优化完,最终完成评分为86.82。

PyTorch

DenseNet121

2019-04-09 21:48:18

10.00

86.82

9

提供者:善假于物

10.00

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86.8。

PyTorch

ResNet101

2019-03-31 08:54:41

10.00

86.80

10

提供者:Hallo

10.00

batch数据为128,循环次数为2222次,损失函数优化完,最终完成评分为86.53。

PyTorch

DenseNet121

2019-03-30 02:35:53

10.00

86.53

11

提供者:Teenage Dream

batch数据为32,循环次数为3000次,损失函数优化完,最终完成评分为86.17。

PyTorch

DenseNet121

2019-04-04 00:29:43

86.17

12

提供者:令狐冲

166.00

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85.68。

PyTorch

DenseNet121

2019-03-17 16:44:17

166.00

85.68

13

提供者:.co

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85.43。

PyTorch

DenseNet121

2019-04-04 17:12:40

85.43

14

提供者:zhiduanqingchang

10.00

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84.91。

PyTorch

DenseNet121

2019-04-04 16:43:31

10.00

84.91

15

提供者:ShadowFiend

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84.75。

PyTorch

ResNet

2019-04-02 17:36:57

84.75

16

提供者:Flipped

10.00

batch数据为1024,循环次数为3000次,损失函数优化完,最终完成评分为84.72。

PyTorch

DenseNet121

2019-04-12 16:10:53

10.00

84.72

17

提供者:Winfield

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84.7。

PyTorch

DenseNet121

2019-04-03 04:11:29

84.70

18

提供者:codePlay

batch数据为128,循环次数为5000次,损失函数优化完,最终完成评分为84.52。

PyTorch

DenseNet121

2019-04-05 04:33:51

84.52

19

提供者:红色的小蓝帽

10.00

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84.42。

PyTorch

resnet152

2019-04-03 00:33:41

10.00

84.42

20

提供者:fly

10.00

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83.87。

PyTorch

DenseNet121

2019-04-13 22:20:02

10.00

83.87

21

提供者:调参侠

batch数据为128,循环次数为350次,损失函数优化完,最终完成评分为83.11。

PyTorch

DenseNet121

2019-04-06 02:19:56

83.11

22

提供者:风雨兼程

10.00

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83.08。

PyTorch

DenseNet121

2019-03-18 12:26:23

10.00

83.08

23

提供者:zeng-_-|

10.00

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82.94。

PyTorch

Resnet

2019-03-30 15:13:46

10.00

82.94

24

提供者:RandomYC

10.00

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82.86。

PyTorch

DenseNet121

2019-04-02 20:03:59

10.00

82.86

25

提供者:围生

10.00

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82.72。

PyTorch

DenseNet121

2019-03-28 08:35:23

10.00

82.72

26

提供者:'code and paper'

10.00

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81.85。

PyTorch

DenseNet121

2019-04-01 20:39:04

10.00

81.85

27

提供者:周阳

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80.05。

PyTorch

inceptionv4

2019-04-03 08:48:37

80.05

28

提供者:RuntimeError

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79.89。

PyTorch

RESNET 18

2019-04-09 21:06:40

79.89

29

提供者:火炎焱燚

10.00

batch数据为64,循环次数为400次,损失函数优化完,最终完成评分为79.38。

PyTorch

ResNet152

2019-03-28 10:51:17

10.00

79.38

30

提供者:柠檬

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78.81。

PyTorch

DenseNet121

2019-04-14 17:32:15

78.81

31

提供者:Matthew

10.00

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78.46。

PyTorch

DenseNet121

2019-04-09 16:09:14

10.00

78.46

32

提供者:小~蜉蝣

10.00

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78.17。

PyTorch

DenseNet121

2019-04-02 21:13:51

10.00

78.17

33

提供者:sunset

10.00

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77.18。

PyTorch

DenseNet121

2019-04-01 18:51:38

10.00

77.18

34

提供者:我的爱在西元前1554081999

10.00

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76.88。

PyTorch

DenseNet121

2019-04-02 23:23:58

10.00

76.88

35

提供者:Value_H

10.00

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75.5。

PyTorch

DenseNet121

2019-04-03 13:36:41

10.00

75.50

36

提供者:Zlin丶

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75.47。

PyTorch

DenseNet121

2019-04-03 22:43:14

75.47

37

提供者:*FacePalm*

batch数据为64,循环次数为200次,损失函数优化完,最终完成评分为74.58。

PyTorch

ResidualAttentionNetwork

2019-04-03 18:17:19

74.58

38

提供者:興趣使然的吃瓜少年

10.00

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74.21。

PyTorch

DenseNet121

2019-04-01 17:42:19

10.00

74.21

39

提供者:lyming

10.00

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71.69。

PyTorch

DenseNet121

2019-03-31 11:32:58

10.00

71.69

40

提供者:cclxx

10.00

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67.86。

PyTorch

DenseNet121

2019-04-01 10:17:34

10.00

67.86

41

提供者:Hnecl

10.00

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66.44。

PyTorch

DenseNet121

2019-03-27 14:49:15

10.00

66.44

42

提供者:baselinе

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64.54。

PyTorch

DenseNet121

2019-04-02 20:30:28

64.54

43

提供者:你看起来真的很努力

batch数据为128,循环次数为5000次,损失函数优化完,最终完成评分为63.95。

PyTorch

DenseNet121

2019-04-04 00:09:23

63.95

44

提供者:FlyAI样例得分

10.00

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58.67。

PyTorch

DenseNet121

2019-02-21 23:33:44

10.00

58.67

45

提供者:淡淡的忧伤ing

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57.52。

PyTorch

DenseNet121

2019-04-03 20:05:53

57.52

46

提供者:啸宇

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55.93。

PyTorch

DenseNet121

2019-04-05 22:40:13

55.93

47

提供者:懒散小青年

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45.87。

PyTorch

DenseNet121

2019-04-03 18:28:49

45.87

48

提供者:影分身

10.00

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42.04。

PyTorch

DenseNet121

2019-03-15 15:31:46

10.00

42.04

49

提供者:poplar

10.00

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40.85。

PyTorch

DenseNet121

2019-03-19 15:44:35

10.00

40.85

50

提供者:Daiccccc

10.00

batch数据为32,循环次数为1500次,损失函数优化完,最终完成评分为38.03。

PyTorch

DenseNet201

2019-03-30 21:54:17

10.00

38.03

51

提供者:无......有

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33.01。

2019-04-11 06:04:30

33.01

52

提供者:lightning-zgc

batch数据为32,循环次数为10000次,损失函数优化完,最终完成评分为29.72。

Keras

NASNet

2019-04-02 19:15:10

29.72

53

提供者:CHANGE

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14.07。

PyTorch

DenseNet121

2019-04-05 16:34:50

14.07

54

提供者:哇咔咔

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12.32。

PyTorch

DenseNet121

2019-04-04 13:32:42

12.32

55

提供者:孙文亮

10.00

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9.79。

PyTorch

DenseNet121

2019-03-26 10:25:04

10.00

9.79

56

提供者:gezp

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8.28。

PyTorch

ResNet50

2019-04-04 10:04:16

8.28

57

提供者:sytv587

10.00

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7.09。

PyTorch

DenseNet121

2019-03-31 22:44:11

10.00

7.09

58

提供者:Ant_

10.00

batch数据为64,循环次数为9000次,损失函数优化完,最终完成评分为7.05。

PyTorch

DenseNet121

2019-03-28 02:23:57

10.00

7.05

59

提供者:KG

10.00

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5.37。

PyTorch

DenseNet121

2019-03-31 18:16:38

10.00

5.37

60

提供者:圣上

10.00

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4.68。

PyTorch

DenseNet121

2019-04-02 00:56:28

10.00

4.68

61

提供者:peterzhang

10.00

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4.67。

PyTorch

DenseNet121

2019-03-30 22:58:17

10.00

4.67

62

提供者:我是灞波儿奔

10.00

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4.6。

PyTorch

DenseNet121

2019-03-29 22:01:43

10.00

4.60

63

提供者:y=f(x)

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3.81。

PyTorch

DenseNet121

2019-04-06 12:42:03

3.81

64

提供者:在北等你

10.00

batch数据为4,循环次数为100次,损失函数优化完,最终完成评分为2.54。

PyTorch

DenseNet121

2019-03-29 08:01:04

10.00

2.54

65

提供者:小红帽

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2.17。

PyTorch

DenseNet121

2019-04-04 17:08:00

2.17

66

提供者:DE Chen

10.00

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1.8。

PyTorch

DenseNet121

2019-03-29 18:33:59

10.00

1.80

67

提供者:非我非非晓我

10.00

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1.46。

PyTorch

DenseNet121

2019-03-31 14:06:31

10.00

1.46

68

提供者:reallocing

10.00

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0.34。

PyTorch

DenseNet121

2019-04-02 01:34:45

10.00

0.34

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

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

下载完成之后,执行下列命令并使用微信扫码登录

./flyai init

登录成功之后,会自动下载运行所需环境

4. 本地开发调试

执行

./flyai test

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

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

默认训练成功后不公开在项目排行榜中,公开项目需在提交训练时执行

./flyai train -p=1

完整训练设置执行代码示例:

./flyai train -p=1 -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 ,公开提交模型

$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

报名成功!

感谢您的参与!点击 下载资料 并及时提交您的作品

下载资料

打开微信,使用扫一扫功能分享给好友