猫脸关键点检测

分享给好友

剩余奖金 ¥ 280

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

猫脸特征点检测是一项有趣的任务。本数据集共包含了9000张猫脸彩色图片,目的是检测脸部的九个关键点,包括两个眼睛关键点、一个嘴部关键点和六个耳朵关键点。标注顺序为左眼xy坐标,右眼xy坐标,嘴xy坐标,左耳点1xy坐标,左耳点2xy坐标,左耳点3xy坐标,右耳点1xy坐标,右耳点2xy坐标,右耳点3jxy坐标,坐标均为相对坐标值。

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:2019-07-05
  • 周排行奖结算时间:2019-07-12 15:00:00;月排名奖结算时间:2019-08-05 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!

数据来源

CatFaceLandmark

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 原始图片路径
landmark string 不为空 关键点坐标

输入字段: image_path,

输出字段: landmark,

参考文献:

[1]Cat Head Detection - How to Effectively Exploit Shape and Texture Features

[2]CAT Dataset

评审标准

评审指标说明

  • 根据N点坐标(x,y)验证输出值(X_out,Y_out)的距离误差
  • 取N点距离误差之和的平均数作为最终误差值
  • 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:人间正道是沧桑

5250.00

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100。

2019-07-05 21:29:55

5250.00

100.00

第三名

提供者:我吃定了这第一

1875.00

batch数据为192,循环次数为4000次,损失函数优化完,最终完成评分为100。

2019-07-06 00:20:36

1875.00

100.00

第三名

提供者:linlh

1187.50

batch数据为64,循环次数为5次,损失函数优化完,最终完成评分为100。

2019-07-06 02:31:16

1187.50

100.00

4

提供者:恋旧却念旧

93.75

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100。

2019-07-06 23:25:34

93.75

100.00

5

提供者:化猫

46.88

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

2019-07-11 04:00:41

46.88

100.00

6

提供者:蜗牛、Gray

23.44

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100。

2019-07-12 10:50:49

23.44

100.00

7

提供者:gboy

11.72

batch数据为192,循环次数为1500次,损失函数优化完,最终完成评分为100。

2019-07-12 15:51:09

11.72

100.00

8

提供者:Xin Yao

607.50

batch数据为64,循环次数为150次,损失函数优化完,最终完成评分为97。

2019-07-15 00:19:45

607.50

97.00

9

提供者:weiliming

303.75

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96.55。

2019-07-12 13:21:14

303.75

96.55

10

提供者:丶人狠话不多

225.00

batch数据为64,循环次数为3500次,损失函数优化完,最终完成评分为94.83。

2019-07-06 10:05:21

225.00

94.83

11

提供者:无......有

75.00

batch数据为64,循环次数为60次,损失函数优化完,最终完成评分为93。

2019-07-08 16:59:09

75.00

93.00

12

提供者:sloan

15.00

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92.12。

2019-07-11 22:07:51

15.00

92.12

13

提供者:cnn

7.50

batch数据为50,循环次数为10000次,损失函数优化完,最终完成评分为91.13。

2019-07-10 18:18:12

7.50

91.13

14

提供者:徐声睿

batch数据为128,循环次数为80次,损失函数优化完,最终完成评分为88.42。

2019-09-03 18:02:01

88.42

15

提供者:ChangeBio

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87.99。

2019-07-06 06:44:06

87.99

16

提供者:Ethan

batch数据为500,循环次数为1000次,损失函数优化完,最终完成评分为86.79。

2019-07-18 15:10:36

86.79

17

提供者:心语滑落指尖

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86.74。

2019-07-13 11:45:32

86.74

18

提供者:clare

batch数据为30,循环次数为90次,损失函数优化完,最终完成评分为86.26。

2019-07-06 04:59:03

86.26

19

提供者:就是很任性

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84.6。

2019-07-08 14:12:02

84.60

20

提供者:banana

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83.98。

2019-07-12 12:23:18

83.98

21

提供者:Indigo6

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83.87。

PyTorch

菜鸡模型

2019-07-09 21:44:22

83.87

22

提供者:l*g*z

batch数据为500,循环次数为64次,损失函数优化完,最终完成评分为83.31。

2019-07-06 04:19:25

83.31

23

提供者:范特西

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83.23。

2019-07-12 20:17:45

83.23

24

提供者:skyofunknow

batch数据为256,循环次数为12次,损失函数优化完,最终完成评分为83.04。

2019-07-10 08:52:42

83.04

25

提供者:AiFool

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83.03。

2019-07-06 13:12:33

83.03

26

提供者:guoguo

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83.01。

2019-07-23 02:42:43

83.01

27

提供者:ShadowFiend

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83。

2019-07-06 11:38:29

83.00

28

提供者:Joshua

batch数据为500,循环次数为320次,损失函数优化完,最终完成评分为83。

2019-07-08 16:37:36

83.00

29

提供者:埼玉不秃头

batch数据为500,循环次数为48次,损失函数优化完,最终完成评分为81.77。

2019-07-11 01:18:12

81.77

30

提供者:Angeladev

batch数据为64,循环次数为5次,损失函数优化完,最终完成评分为81.77。

2019-11-05 01:23:16

81.77

31

提供者:麦麦旋风

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81.67。

2019-08-02 12:26:12

81.67

32

提供者:去

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81.15。

2019-07-09 00:24:21

81.15

33

提供者:杨杨杨

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80.82。

2019-08-06 23:28:38

80.82

34

提供者:麦小杨

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79.41。

2019-07-06 01:15:32

79.41

35

提供者:begins

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73.49。

2019-07-13 02:42:43

73.49

36

提供者:徐放勋

batch数据为500,循环次数为64次,损失函数优化完,最终完成评分为48.46。

2019-08-02 22:15:48

48.46

37

提供者:北部湾的落日

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35.95。

2019-07-10 22:45:04

35.95

38

提供者:丨breeze丨

batch数据为128,循环次数为12次,损失函数优化完,最终完成评分为0。

2019-08-02 12:42:20

0.00

2019-08-06
linlh

模型得分为100,本次获得排名奖奖金为500

2019-08-06 15:00:01

我吃定了这第一

模型得分为100,本次获得排名奖奖金为750

2019-08-06 15:00:01

人间正道是沧桑

模型得分为100,本次获得排名奖奖金为1250

2019-08-06 15:00:01

2019-07-15
gboy

模型得分为100,本次获得实时奖励奖金为11.72

2019-07-15 12:08:39

weiliming

模型得分为96.55,本次获得实时奖励奖金为187.5

2019-07-15 12:07:54

2019-07-12
人间正道是沧桑

模型得分为100,本次获得排名奖奖金为1250

2019-07-12 15:00:01

我吃定了这第一

模型得分为100,本次获得排名奖奖金为750

2019-07-12 15:00:01

linlh

模型得分为100,本次获得排名奖奖金为500

2019-07-12 15:00:01

蜗牛、Gray

模型得分为100,本次获得实时奖励奖金为23.44

2019-07-12 12:19:14

Xin Yao

模型得分为96.13,本次获得实时奖励奖金为375

2019-07-12 11:40:03

sloan

模型得分为92.02,本次获得实时奖励奖金为15

2019-07-12 11:31:46

2019-07-11
化猫

模型得分为100,本次获得实时奖励奖金为46.88

2019-07-11 10:44:02

weiliming

模型得分为94.67,本次获得实时奖励奖金为56.25

2019-07-11 10:36:41

2019-07-10
cnn

模型得分为90.6,本次获得实时奖励奖金为7.5

2019-07-10 11:36:47

2019-07-09
weiliming

模型得分为92.34,本次获得实时奖励奖金为30

2019-07-09 14:15:18

无......有

模型得分为93,本次获得实时奖励奖金为60

2019-07-09 12:36:39

2019-07-08
无......有

模型得分为90.34,本次获得实时奖励奖金为15

2019-07-08 12:39:50

weiliming

模型得分为91.03,本次获得实时奖励奖金为30

2019-07-08 12:39:45

Xin Yao

模型得分为94.94,本次获得实时奖励奖金为112.5

2019-07-08 12:39:43

恋旧却念旧

模型得分为100,本次获得实时奖励奖金为93.75

2019-07-08 12:39:40

Xin Yao

模型得分为93.85,本次获得实时奖励奖金为120

2019-07-08 12:39:37

丶人狠话不多

模型得分为94.83,本次获得实时奖励奖金为225

2019-07-08 12:39:34

linlh

模型得分为100,本次获得实时奖励奖金为187.5

2019-07-08 12:39:11

我吃定了这第一

模型得分为100,本次获得实时奖励奖金为375

2019-07-08 12:39:07

人间正道是沧桑

模型得分为100,本次获得实时奖励奖金为2750

2019-07-08 12:38:50

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