哥伦比亚大学公众人物五官定位

分享给好友

剩余奖金 ¥ 2,737

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

哥伦比亚大学公众人物数据集是一个包含大量人脸标签的数据集,包含超过20万张名人照片,每张照片包含40个属性标签。此数据集中的图片包含多种人体姿势与背景干扰。 该数据集具有丰富的多样性,大量的样本以及多种标注,包括: 10177名个体,202599张面部图片,以及每张图片中5个位置标注和40种二元属性标注(如是否戴帽子等),该数据集可以用来做人脸五官定位

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?

  • 方式一:在线提交体验结果。FlyAI已提供了赛题的样例代码,点击【查看样例】可以直接使用样例代码提交到免费GPU进行模型训练体验。
  • 方式二:本地调试模型并提交训练。请在"在线提交页"点击【下载代码】按钮将包含项目样例的资料包下载到本地,并使用本地开发环境进行代码调试。本地调试和提交指南请查看[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
  • 通过系统漏洞取得的比赛成绩无效,FlyAI有权撤回参赛者成绩
  • 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:2019-04-30
  • 周排行奖结算时间:2019-05-07 15:00:00;月排名奖结算时间:2019-05-30 15:00:00
  • 奖金获取标准:80<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

CelebaLandmarks

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 file_path 不为空 图片的相对路径
lefteye_x int 不为空 左眼睛x坐标
lefteye_y int 不为空 左眼睛y坐标
righteye_x int 不为空 右眼睛x坐标
righteye_y int 不为空 右眼睛y坐标
nose_x int 不为空 鼻子x坐标
nose_y int 不为空 鼻子y坐标
leftmouth_x int 不为空 嘴唇左边x坐标
leftmouth_y int 不为空 嘴唇左边y坐标
rightmouth_x int 不为空 嘴唇右边x坐标
rightmouth_y int 不为空 嘴唇右边y坐标

输入字段: image_path,

输出字段: lefteye_x, lefteye_y, righteye_x, righteye_y, nose_x, nose_y, leftmouth_x, leftmouth_y, rightmouth_x, rightmouth_y,

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:
  • 评审计算公式

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竞赛平台无需提交csv文件,在网页上点击报名,下载项目,使用你熟练的框架,修改main.py中的网络结构,和processor.py中的数据处理。请仔细阅读右侧提交指南,使用FlyAI命令参与比赛。

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:trick_or_treat

1582.00

batch数据为64,循环次数为600次,损失函数优化完,最终完成评分为85。

2019-05-05 16:12:22

1582.00

85.00

第三名

提供者:看你很6哦

420.00

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84.46。

2019-05-09 12:44:36

420.00

84.46

第三名

提供者:malena

3.75

batch数据为96,循环次数为5000次,损失函数优化完,最终完成评分为82.76。

2019-05-30 19:30:16

3.75

82.76

4

提供者:ChangeBio

257.50

batch数据为32,循环次数为5次,损失函数优化完,最终完成评分为82.54。

PyTorch

VGG19

2019-05-09 21:03:11

257.50

82.54

5

提供者:天涯·明月·刀

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78.04。

2019-07-17 05:34:20

78.04

6

提供者:无......有

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77.32。

2019-05-30 00:02:21

77.32

7

提供者:lyming

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76.47。

PyTorch

VGG16

2019-05-06 21:53:29

76.47

8

提供者:汐炎

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74.85。

2019-05-12 16:32:21

74.85

9

提供者:我吃定了这第一

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74.1。

2019-05-31 00:03:38

74.10

10

提供者:斩于刃

batch数据为500,循环次数为100次,损失函数优化完,最终完成评分为69.98。

2019-06-03 04:12:58

69.98

11

提供者:于颖奇

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69.52。

2019-05-31 21:39:30

69.52

12

提供者:mukali

batch数据为100,循环次数为100次,损失函数优化完,最终完成评分为69.1。

2019-06-02 23:49:43

69.10

13

提供者:Lalala

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68.9。

2019-05-31 14:38:06

68.90

14

提供者:gboy

batch数据为256,循环次数为4000次,损失函数优化完,最终完成评分为68.42。

2019-05-24 19:00:38

68.42

15

提供者:gezp

batch数据为32,循环次数为200次,损失函数优化完,最终完成评分为66.56。

2019-05-08 07:49:21

66.56

16

提供者:元气少女

batch数据为32,循环次数为40次,损失函数优化完,最终完成评分为65.93。

2019-06-03 15:58:38

65.93

17

提供者:天天向上

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65.83。

PyTorch

VGG16

2019-05-13 09:10:16

65.83

18

提供者:smooklazz

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65.15。

2019-05-05 18:27:46

65.15

19

提供者:nice

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64.78。

2019-08-04 04:13:35

64.78

20

提供者:长弓PAN

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64.64。

2019-05-07 00:51:52

64.64

21

提供者:火炎焱燚

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64.64。

2019-05-09 06:02:36

64.64

22

提供者:Xin Yao

batch数据为64,循环次数为4次,损失函数优化完,最终完成评分为64.29。

PyTorch

VGG16

2019-07-11 12:28:22

64.29

23

提供者:sw2009

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63.7。

2019-05-12 16:58:29

63.70

24

提供者:Mario

batch数据为64,循环次数为2次,损失函数优化完,最终完成评分为31.85。

2019-05-11 22:59:59

31.85

25

提供者:喵喵

batch数据为1,循环次数为10次,损失函数优化完,最终完成评分为28.12。

PyTorch

VGG16

2019-05-05 11:38:56

28.12

26

提供者:whykifan

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24.42。

2019-05-05 21:10:46

24.42

27

提供者:优雅一只猫

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24.42。

2019-05-06 20:06:04

24.42

28

提供者:Olivia

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24.42。

2019-05-09 20:31:13

24.42

29

提供者:就是很任性

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24.42。

2019-05-17 06:09:39

24.42

30

提供者:tik_boa

batch数据为32,循环次数为4000次,损失函数优化完,最终完成评分为23.4。

2019-05-02 21:32:39

23.40

31

提供者:zhiduanqingchang

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19.74。

2019-05-02 04:29:32

19.74

32

提供者:丶人狠话不多

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0.66。

2019-05-01 16:15:16

0.66

33

提供者:兔子是菜鸟

batch数据为1,循环次数为20次,损失函数优化完,最终完成评分为0.23。

2019-05-02 00:42:06

0.23

2019-05-30
trick_or_treat

模型得分为85,本次获得排名奖奖金为625

2019-05-30 15:00:02

看你很6哦

模型得分为84.46,本次获得排名奖奖金为375

2019-05-30 15:00:02

ChangeBio

模型得分为82.54,本次获得排名奖奖金为250

2019-05-30 15:00:02

malena

模型得分为81.98,本次获得实时奖励奖金为3.75

2019-05-30 10:53:12

2019-05-13
ChangeBio

模型得分为82.54,本次获得实时奖励奖金为7.5

2019-05-13 10:56:32

看你很6哦

模型得分为84.46,本次获得实时奖励奖金为30

2019-05-13 10:44:08

2019-05-09
看你很6哦

模型得分为80.91,本次获得实时奖励奖金为15

2019-05-09 11:16:59

2019-05-07
trick_or_treat

模型得分为85,本次获得排名奖奖金为625

2019-05-07 15:00:01

trick_or_treat

模型得分为85,本次获得实时奖励奖金为332

2019-05-07 12:49:51

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 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.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