图片鉴黄

分享给好友

剩余奖金 ¥ 680

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

随着互联网的发展,内容安全成为互联网不得不面临的严峻挑战。互动社区的崛起,网友素质的参差不齐,由于“涉黄”被勒令关闭的网站多如牛毛,因此“鉴黄”也显得尤为重要。虽然各个互联网企业都有专门的人员来做内容审核,但是无法跟上内容发展的速度,人工审核容易出现审核不及时、高成本、主观判断影响结果等问题。因此通过深度学习的人工智能技术来进行图片鉴黄也是迫在眉睫。

在本数据集一共包括5种图片类别,每个类别至少有1000张图像,其中训练集、验证集和测试集划分比例为6:2:2.

由于数据集包含涉黄图片,因此本地调试数据集中只展示正常图片。

参赛须知

参赛时间: 本次竞赛无时间限制,长期有效开放

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:2019-12-18
  • 月排名奖结算时间:2020-01-18 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
  • 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
image_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: image_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 90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:gboy

955.00

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92.8。

2019-12-28 22:24:56

955.00

92.80

第三名

提供者:malena

686.00

batch数据为64,循环次数为15次,损失函数优化完,最终完成评分为92.67。

2020-01-05 06:27:58

686.00

92.67

第三名

提供者:chenfengshf

330.00

batch数据为22,循环次数为10次,损失函数优化完,最终完成评分为92.33。

2019-12-27 00:27:46

330.00

92.33

4

提供者:zhr

216.00

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92.2。

2020-01-03 15:00:28

216.00

92.20

5

提供者:WYC

132.00

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92.07。

2019-12-22 22:57:10

132.00

92.07

6

提供者:善假于物

1.50

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91.27。

2019-12-24 15:08:22

1.50

91.27

7

提供者:FastAI可解释性差

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90.87。

2019-12-21 05:05:18

90.87

8

提供者:siaya

batch数据为16,循环次数为16次,损失函数优化完,最终完成评分为90.6。

2019-12-28 15:12:51

90.60

9

提供者:wvinzh

batch数据为2,循环次数为2次,损失函数优化完,最终完成评分为90.6。

2020-01-07 08:08:25

90.60

10

提供者:风1567927103

batch数据为12,循环次数为20次,损失函数优化完,最终完成评分为90.53。

2020-01-14 05:43:41

90.53

11

提供者:天涯·明月·刀

batch数据为50,循环次数为32次,损失函数优化完,最终完成评分为90.27。

2019-12-22 08:50:59

90.27

12

提供者:tooooooop

batch数据为16,循环次数为40次,损失函数优化完,最终完成评分为89.8。

2019-12-23 23:01:15

89.80

13

提供者:yangsmile

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89.67。

2019-12-25 09:37:20

89.67

14

提供者:Whisney`逸文

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89.6。

2019-12-29 17:42:03

89.60

15

提供者:xia0p1ng

batch数据为25,循环次数为15次,损失函数优化完,最终完成评分为89.53。

2019-12-24 18:47:20

89.53

16

提供者:小林子

batch数据为30,循环次数为26次,损失函数优化完,最终完成评分为89.47。

2019-12-23 01:17:18

89.47

17

提供者:一口大怪兽

batch数据为128,循环次数为28次,损失函数优化完,最终完成评分为89.47。

2019-12-23 20:25:25

89.47

18

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89.27。

2020-01-18 17:58:35

89.27

19

提供者:他的国

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88.87。

2019-12-28 23:30:16

88.87

20

提供者:Haibo

batch数据为32,循环次数为7次,损失函数优化完,最终完成评分为88.8。

2019-12-24 14:26:08

88.80

21

提供者:Winteriscoming

batch数据为64,循环次数为40次,损失函数优化完,最终完成评分为88.47。

2019-12-21 05:32:21

88.47

22

提供者:交差墒

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88.47。

2019-12-22 18:12:06

88.47

23

提供者:超爱喝酸奶

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87.87。

2019-12-22 20:57:14

87.87

24

提供者:随煜而安

batch数据为32,循环次数为15次,损失函数优化完,最终完成评分为87.2。

2020-01-16 00:54:03

87.20

25

提供者:cnn

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86.87。

2019-12-22 23:28:25

86.87

26

提供者:嘻嘻嘻哈哈

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86.8。

2019-12-31 23:04:48

86.80

27

提供者:flyai会员1578200000

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86.4。

2020-01-11 18:11:13

86.40

28

提供者:mki

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86.27。

2020-01-12 02:18:09

86.27

29

提供者:milixiang

batch数据为32,循环次数为16次,损失函数优化完,最终完成评分为85.33。

2019-12-21 15:16:49

85.33

30

提供者:Zy.S

batch数据为32,循环次数为12次,损失函数优化完,最终完成评分为85.33。

2020-01-06 16:12:52

85.33

31

提供者:Janaldo

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85.2。

2020-01-15 17:53:28

85.20

32

提供者:语言沉默

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85。

2020-01-07 21:12:34

85.00

33

提供者:wildkid1024

batch数据为64,循环次数为15次,损失函数优化完,最终完成评分为84.73。

2019-12-26 17:09:50

84.73

34

提供者:Jil

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84.6。

2019-12-21 08:09:24

84.60

35

提供者:MagicCodes

batch数据为32,循环次数为50次,损失函数优化完,最终完成评分为84.27。

2019-12-25 06:02:21

84.27

36

提供者:AMERICA

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83.6。

2019-12-21 07:52:58

83.60

37

提供者:dtrimina

batch数据为32,循环次数为21次,损失函数优化完,最终完成评分为82.87。

2020-01-08 14:58:17

82.87

38

提供者:sigmoid

batch数据为256,循环次数为10次,损失函数优化完,最终完成评分为79.93。

2020-01-03 12:50:24

79.93

39

提供者:黄花寒后难逢蝶

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77。

2019-12-30 11:42:25

77.00

40

提供者:Mr.Fire

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76.13。

2020-01-09 19:38:03

76.13

41

提供者:勿谓言之不预也

batch数据为4,循环次数为32次,损失函数优化完,最终完成评分为71.67。

2020-01-18 15:02:22

71.67

42

提供者:乐百事

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70.47。

2020-01-18 21:20:05

70.47

43

提供者:领衔主演

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69.87。

2019-12-21 23:27:50

69.87

44

提供者:nice1576844076

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62.73。

2020-01-05 21:36:49

62.73

45

提供者:文鼎彭于晏

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60.73。

2019-12-28 13:21:15

60.73

46

提供者:Ysoretarded

batch数据为100,循环次数为30次,损失函数优化完,最终完成评分为58.27。

2020-01-04 16:56:36

58.27

47

提供者:ielym

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56.73。

2019-12-22 15:22:05

56.73

48

提供者:柚稚°

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56.73。

2020-01-05 20:39:43

56.73

49

提供者:clare

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54.6。

2019-12-21 01:18:49

54.60

50

提供者:山楂卷儿

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46.47。

Keras

VGG16

2019-12-27 12:14:43

46.47

51

提供者:哭过の眼眸*

batch数据为50,循环次数为1次,损失函数优化完,最终完成评分为40.4。

2019-12-25 16:06:33

40.40

52

提供者:杨泽鹏

batch数据为32,循环次数为50次,损失函数优化完,最终完成评分为28.8。

2019-12-26 18:14:39

28.80

53

提供者:佚

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22.2。

2020-01-05 18:15:19

22.20

54

提供者:mask

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21。

2019-12-26 11:35:36

21.00

55

提供者:木风1571634452

batch数据为200,循环次数为1次,损失函数优化完,最终完成评分为21。

2020-01-16 16:41:41

21.00

56

提供者:xhackJ

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8.13。

2020-01-11 00:07:10

8.13

2020-01-18
WYC

模型得分为92.07,本次获得排名奖奖金为105

2020-01-18 15:00:02

zhr

模型得分为92.2,本次获得排名奖奖金为210

2020-01-18 15:00:02

chenfengshf

模型得分为92.33,本次获得排名奖奖金为315

2020-01-18 15:00:02

malena

模型得分为92.67,本次获得排名奖奖金为525

2020-01-18 15:00:02

gboy

模型得分为92.8,本次获得排名奖奖金为945

2020-01-18 15:00:02

2020-01-03
malena

模型得分为92.07,本次获得实时奖励奖金为3

2020-01-03 10:48:19

2020-01-02
gboy

模型得分为92.8,本次获得实时奖励奖金为10

2020-01-02 10:55:12

zhr

模型得分为92.07,本次获得实时奖励奖金为6

2020-01-02 10:54:27

chenfengshf

模型得分为92.33,本次获得实时奖励奖金为15

2020-01-02 10:54:21

2019-12-23
WYC

模型得分为92.07,本次获得实时奖励奖金为27

2019-12-23 15:48:50

善假于物

模型得分为90.67,本次获得实时奖励奖金为1.5

2019-12-23 14:38:22

malena

模型得分为91.87,本次获得实时奖励奖金为4

2019-12-23 12:26:06

malena

模型得分为91.53,本次获得实时奖励奖金为10

2019-12-23 12:25:58

malena

模型得分为90.73,本次获得实时奖励奖金为144

2019-12-23 12:25:44

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