常见物体识别

分享给好友

剩余奖金 ¥ 3,639

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

本赛题整理了生活中常见的80种物体类别,比如冰箱、文具盒、蜡烛、鞭炮等,希望参赛者能够通过深度学习的方法提高物体识别的准确率。其中训练集、验证集和测试集划分比例为6:2:2.

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20%) 所有人 根据基线得分与100分之间,分成5个奖金区间;不同得分区间获得相应的竞赛奖金。
突破奖(总奖金10%) 所有人 更新排行榜最高分数,获得相应的竞赛奖金
排名奖(总奖金70%) 月赛前5名 奖金发放最终以月为单位,前5名获奖占比以K系数表示,分别为:0.45,0.25,0.15,0.1,0.05
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:2020-01-07
  • 月排名奖结算时间:2020-02-17 15:00:00
  • 奖金获取标准:85<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
  • 排名奖发放完毕前5名参赛者需提供文档格式赛题解决思路和15分钟以上的PPT答辩视频(FlyAI提供模版)
  • Bouns表示为:奖金池总金额;Score表示为:模型得分;
  • 同一用户在参与奖中模型得分区间相同无法再次获得奖励
  • 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)
  • K表示:排行榜前5名的奖金分配系数,分别为:0.45,0.25,0.15,0.1,0.05;
  • 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
img_path string 不为空 图片的相对路径
label string 不为空 图片的对应类别

输入字段: img_path,

输出字段: label,

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
超过 85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:chenfengshf

676.00

batch数据为22,循环次数为5次,损失函数优化完,最终完成评分为98.01。

2020-01-08 16:02:50

676.00

98.01

第三名

提供者:鹏1577582907

batch数据为30,循环次数为40次,损失函数优化完,最终完成评分为98.01。

2020-01-25 04:14:32

98.01

第三名

提供者:zhr

3.91

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97.84。

2020-01-09 18:13:32

3.91

97.84

4

提供者:malena

231.25

batch数据为1,循环次数为15次,损失函数优化完,最终完成评分为97.84。

2020-01-20 12:43:56

231.25

97.84

5

提供者:小林子

1.95

batch数据为24,循环次数为1次,损失函数优化完,最终完成评分为97.58。

2020-01-24 20:04:15

1.95

97.58

6

提供者:siaya

batch数据为16,循环次数为15次,损失函数优化完,最终完成评分为97.37。

2020-01-17 11:46:25

97.37

7

提供者:wvinzh

100.00

batch数据为64,循环次数为30次,损失函数优化完,最终完成评分为97.2。

2020-01-12 18:21:51

100.00

97.20

8

提供者:FastAI可解释性差

62.50

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97.12。

2020-01-07 20:21:44

62.50

97.12

9

提供者:Mr.Fire

31.25

batch数据为64,循环次数为30次,损失函数优化完,最终完成评分为97.12。

2020-01-10 01:12:25

31.25

97.12

10

提供者:h030162

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96.65。

2020-01-14 09:07:54

96.65

11

提供者:dtrimina

12.50

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96.48。

2020-01-09 09:19:36

12.50

96.48

12

提供者:qqm

15.63

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96.44。

2020-01-08 05:24:04

15.63

96.44

13

提供者:风1567927103

batch数据为16,循环次数为30次,损失函数优化完,最终完成评分为96.27。

2020-01-16 19:56:04

96.27

14

提供者:一口大怪兽

batch数据为3,循环次数为30次,损失函数优化完,最终完成评分为96.06。

2020-01-23 15:37:52

96.06

15

提供者:mki

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95.85。

2020-01-21 02:47:43

95.85

16

提供者:Zy.S

4.29

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95.59。

2020-01-08 22:57:20

4.29

95.59

17

提供者:天涯·明月·刀

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95.59。

2020-01-09 21:51:06

95.59

18

提供者:Janaldo

batch数据为64,循环次数为20次,损失函数优化完,最终完成评分为94.79。

2020-01-15 16:20:13

94.79

19

提供者:mingda

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94.7。

2020-01-14 15:45:17

10.00

94.70

20

提供者:sigmoid

11.17

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94.36。

2020-01-10 16:11:01

11.17

94.36

21

提供者:WYC

13.29

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94.32。

2020-01-08 16:38:12

13.29

94.32

22

提供者:挺好的

20.00

batch数据为128,循环次数为300次,损失函数优化完,最终完成评分为93.77。

PyTorch

ResU-Net

2020-01-14 19:21:25

20.00

93.77

23

提供者:语言沉默

68.75

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93.56。

2020-01-07 22:00:58

68.75

93.56

24

提供者:gboy

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93.13。

2020-01-24 13:02:42

93.13

25

提供者:Whisney`逸文

20.00

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90.93。

2020-01-07 20:18:21

20.00

90.93

26

提供者:黄花寒后难逢蝶

10.00

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90.46。

2020-01-08 23:37:12

10.00

90.46

27

提供者:208.

20.00

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89.61。

2020-01-08 01:17:37

20.00

89.61

28

提供者:勿谓言之不预也

20.00

batch数据为128,循环次数为200次,损失函数优化完,最终完成评分为88.47。

2020-01-16 16:39:25

20.00

88.47

29

提供者:满堂彩

10.00

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87.33。

2020-01-08 13:55:14

10.00

87.33

30

提供者:Woz

10.00

batch数据为64,循环次数为30次,损失函数优化完,最终完成评分为87.24。

2020-01-23 12:05:50

10.00

87.24

31

提供者:嘻嘻嘻哈哈

10.00

batch数据为64,循环次数为20次,损失函数优化完,最终完成评分为85.63。

2020-01-08 05:36:41

10.00

85.63

32

提供者:xys

batch数据为128,循环次数为150次,损失函数优化完,最终完成评分为84.65。

2020-01-15 17:05:23

84.65

33

提供者:暧暖

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84.23。

2020-01-10 16:58:30

84.23

34

提供者:怎么又错了

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81.22。

2020-01-09 19:11:18

81.22

35

提供者:Angel Wings

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79.74。

2020-01-09 14:21:55

79.74

36

提供者:。1577103723

batch数据为128,循环次数为25次,损失函数优化完,最终完成评分为78.76。

2020-01-08 15:58:33

78.76

37

提供者:Jil

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78.21。

2020-01-08 01:31:51

78.21

38

提供者:诗人藏夜里

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78。

2020-01-08 01:01:38

78.00

39

提供者:Dinastia

batch数据为64,循环次数为30次,损失函数优化完,最终完成评分为77.91。

2020-01-10 15:39:40

77.91

40

提供者:oliver1562911697

batch数据为64,循环次数为30次,损失函数优化完,最终完成评分为77.74。

PyTorch

LeNet5

2020-01-17 15:43:13

77.74

41

提供者:朱聪

batch数据为64,循环次数为20次,损失函数优化完,最终完成评分为76.94。

2020-01-08 17:20:01

76.94

42

提供者:SunshineJACK

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76.73。

2020-01-08 19:18:28

76.73

43

提供者:AMERICA

batch数据为64,循环次数为30次,损失函数优化完,最终完成评分为76.64。

2020-01-08 10:05:20

76.64

44

提供者:emmm我还没想好

batch数据为64,循环次数为30次,损失函数优化完,最终完成评分为76.3。

2020-01-07 17:47:10

76.30

45

提供者:Nick1557218090

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75.79。

2020-01-22 23:03:38

75.79

46

提供者:flyai会员1577072632

batch数据为32,循环次数为30次,损失函数优化完,最终完成评分为74.1。

2020-01-07 20:52:36

74.10

47

提供者:Coldor

batch数据为64,循环次数为20次,损失函数优化完,最终完成评分为73.51。

2020-01-08 18:09:00

73.51

48

提供者:cyfwry

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72.95。

2020-01-12 17:10:48

72.95

49

提供者:芒果母

batch数据为64,循环次数为30次,损失函数优化完,最终完成评分为72.91。

2020-01-19 12:51:52

72.91

50

提供者:玻纤消光的三叶虫

batch数据为64,循环次数为16次,损失函数优化完,最终完成评分为67.91。

2020-01-13 16:35:31

67.91

51

提供者:int666

batch数据为64,循环次数为300次,损失函数优化完,最终完成评分为67.1。

2020-01-20 14:17:05

67.10

52

提供者:小团子

batch数据为64,循环次数为30次,损失函数优化完,最终完成评分为65.2。

2020-01-08 00:33:04

65.20

53

提供者:样例基线

batch数据为128,循环次数为2次,损失函数优化完,最终完成评分为38.07。

2020-01-07 16:31:08

38.07

54

提供者:KKK1573102346

batch数据为20,循环次数为1次,损失函数优化完,最终完成评分为11.28。

2020-01-13 18:14:14

11.28

55

提供者:玖耿

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1.48。

2020-01-14 16:31:09

1.48

2020-01-23
Woz

模型得分为87.24,本次获得实时奖励奖金为10

2020-01-23 17:16:09

2020-01-16
勿谓言之不预也

模型得分为88.38,本次获得实时奖励奖金为10

2020-01-16 10:44:47

勿谓言之不预也

模型得分为86.52,本次获得实时奖励奖金为10

2020-01-16 10:44:07

2020-01-13
挺好的

模型得分为88.98,本次获得实时奖励奖金为10

2020-01-13 10:57:13

挺好的

模型得分为85.42,本次获得实时奖励奖金为10

2020-01-13 10:55:44

2020-01-10
mingda

模型得分为86.56,本次获得实时奖励奖金为10

2020-01-10 14:12:29

sigmoid

模型得分为91.56,本次获得实时奖励奖金为1.17

2020-01-10 14:11:09

小林子

模型得分为97.08,本次获得实时奖励奖金为1.95

2020-01-10 14:10:50

zhr

模型得分为97.29,本次获得实时奖励奖金为3.91

2020-01-10 14:10:42

2020-01-08
Zy.S

模型得分为94.23,本次获得实时奖励奖金为1.95

2020-01-08 19:37:58

WYC

模型得分为94.32,本次获得实时奖励奖金为3.91

2020-01-08 19:37:15

chenfengshf

模型得分为98.01,本次获得实时奖励奖金为8

2020-01-08 19:37:08

Zy.S

模型得分为93.47,本次获得实时奖励奖金为2.34

2020-01-08 19:35:55

chenfengshf

模型得分为97.8,本次获得实时奖励奖金为1

2020-01-08 19:34:47

黄花寒后难逢蝶

模型得分为90.29,本次获得实时奖励奖金为10

2020-01-08 19:33:12

满堂彩

模型得分为87.33,本次获得实时奖励奖金为10

2020-01-08 19:32:38

sigmoid

模型得分为88.98,本次获得实时奖励奖金为10

2020-01-08 19:29:47

dtrimina

模型得分为94.28,本次获得实时奖励奖金为7.81

2020-01-08 19:28:40

dtrimina

模型得分为92.2,本次获得实时奖励奖金为4.69

2020-01-08 19:27:44

WYC

模型得分为93.22,本次获得实时奖励奖金为9.38

2020-01-08 19:27:20

嘻嘻嘻哈哈

模型得分为85.63,本次获得实时奖励奖金为10

2020-01-08 19:26:24

qqm

模型得分为94.28,本次获得实时奖励奖金为15.63

2020-01-08 19:24:02

语言沉默

模型得分为93.56,本次获得实时奖励奖金为18.75

2020-01-08 19:20:10

208.

模型得分为89.11,本次获得实时奖励奖金为10

2020-01-08 19:18:09

Mr.Fire

模型得分为96.74,本次获得实时奖励奖金为31.25

2020-01-08 19:18:00

wvinzh

模型得分为96.4,本次获得实时奖励奖金为62.5

2020-01-08 19:16:04

malena

模型得分为97.2,本次获得实时奖励奖金为31.25

2020-01-08 19:14:18

208.

模型得分为87.28,本次获得实时奖励奖金为10

2020-01-08 19:13:20

FastAI可解释性差

模型得分为97.12,本次获得实时奖励奖金为62.5

2020-01-08 19:12:47

Whisney`逸文

模型得分为90.93,本次获得实时奖励奖金为20

2020-01-08 19:11:11

wvinzh

模型得分为92.41,本次获得实时奖励奖金为37.5

2020-01-08 19:11:00

语言沉默

模型得分为88.77,本次获得实时奖励奖金为40

2020-01-08 19:09:23

语言沉默

模型得分为86.52,本次获得实时奖励奖金为10

2020-01-08 19:08:31

malena

模型得分为96.69,本次获得实时奖励奖金为125

2020-01-08 19:05:35

chenfengshf

模型得分为97.75,本次获得实时奖励奖金为23

2020-01-08 19:04:35

malena

模型得分为92.67,本次获得实时奖励奖金为75

2020-01-08 19:02:05

chenfengshf

模型得分为97.08,本次获得实时奖励奖金为644

2020-01-08 19:00:21

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.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

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.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.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 10 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