雨雪天气车辆检测分割

分享给好友

剩余奖金 ¥ 1,938

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

本数据集包含雨雪天气下摄像头记录的街道RGB照片以及热感应照片,目标是分割出照片中路面的车辆部分。数据集共包含2198对RGB照片和热感应照片,图片大小为640*480。

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:2019-08-16
  • 月排名奖结算时间:2019-09-16 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
  • 排名奖发放完毕前5名参赛者需提供Markdown格式赛题解决思路(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!

数据来源

RainSnowUtility

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
rgb_path string 不为空 RGB图片路径
thermal_path string 不为空 热感应图片路径
mask_path string 不为空 标签图片路径

输入字段: rgb_path, thermal_path,

输出字段: mask_path,

评审标准

评审指标说明

  • Dice 系数是一种评估相似度的函数,通常用于计算两个样本的相似度或者重叠度。
  • 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:Daiccccc

3281.50

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89.18。

2019-09-14 21:57:53

3281.50

89.18

第三名

提供者:malena

1905.00

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88.86。

torch

ResU-Net

2019-09-16 01:16:09

1905.00

88.86

第三名

提供者:丶人狠话不多

1566.00

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88.7。

torch

ResU-Net

2019-09-05 07:30:31

1566.00

88.70

4

提供者:xaioqiang

10.00

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87.63。

2019-09-24 04:41:19

10.00

87.63

5

提供者:我吃定了这第一

720.00

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87.47。

torch

ResU-Net

2019-09-14 19:54:16

720.00

87.47

6

提供者:释然

370.00

batch数据为8,循环次数为200次,损失函数优化完,最终完成评分为86.29。

torch

ResU-Net

2019-09-15 03:20:38

370.00

86.29

7

提供者:哈尔的移动城堡

10.00

batch数据为8,循环次数为32次,损失函数优化完,最终完成评分为85.62。

torch

ResU-Net

2019-09-11 14:09:13

10.00

85.62

8

提供者:西北风

10.00

batch数据为10,循环次数为150次,损失函数优化完,最终完成评分为85.32。

torch

ResU-Net

2019-10-25 05:30:44

10.00

85.32

9

提供者:Whisney`逸文

batch数据为6,循环次数为50次,损失函数优化完,最终完成评分为85.03。

2019-08-20 16:57:33

85.03

10

提供者:nice

20.00

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84.64。

torch

ResU-Net

2019-09-16 10:30:24

20.00

84.64

11

提供者:小五弟

20.00

batch数据为8,循环次数为32次,损失函数优化完,最终完成评分为84.54。

torch

ResU-Net

2019-09-08 09:30:56

20.00

84.54

12

提供者:AMERICA

10.00

batch数据为8,循环次数为500次,损失函数优化完,最终完成评分为83.9。

torch

ResU-Net

2019-09-15 02:15:50

10.00

83.90

13

提供者:gboy

10.00

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83.28。

torch

ResU-Net

2019-09-16 12:17:23

10.00

83.28

14

提供者:ak74

10.00

batch数据为6,循环次数为50次,损失函数优化完,最终完成评分为83.12。

2019-09-04 22:45:25

10.00

83.12

15

提供者:Zyt

10.00

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82.55。

torch

ResU-Net

2019-09-16 00:27:38

10.00

82.55

16

提供者:超爱喝酸奶

10.00

batch数据为8,循环次数为20次,损失函数优化完,最终完成评分为80.49。

2019-09-15 14:32:36

10.00

80.49

17

提供者:做自己的唯一

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79.73。

torch

ResU-Net

2019-08-27 22:45:39

79.73

18

提供者:ashergaga

batch数据为4,循环次数为80次,损失函数优化完,最终完成评分为77.38。

torch

ResU-Net

2019-09-04 04:20:01

77.38

19

提供者:飞回地球

batch数据为8,循环次数为30次,损失函数优化完,最终完成评分为73.93。

2019-09-08 04:05:15

73.93

20

提供者:skr skr skr

batch数据为20,循环次数为15次,损失函数优化完,最终完成评分为73.47。

torch

ResU-Net

2019-09-05 16:59:06

73.47

21

提供者:无名小卒

batch数据为8,循环次数为120次,损失函数优化完,最终完成评分为70.59。

torch

ResU-Net

2019-09-24 03:25:08

70.59

22

提供者:你猜猜我是谁

batch数据为16,循环次数为25次,损失函数优化完,最终完成评分为70.46。

2019-09-07 21:17:59

70.46

23

提供者:美式半糖不加奶

batch数据为4,循环次数为50次,损失函数优化完,最终完成评分为66.93。

torch

ResU-Net

2019-09-03 12:12:59

66.93

24

提供者:天涯·明月·刀

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65.93。

PyTorch

ResU-Net

2019-09-14 20:35:35

65.93

25

提供者:瑞1562810069

batch数据为6,循环次数为10000次,损失函数优化完,最终完成评分为50.32。

TensorFlow

ResU-Net

2019-10-12 17:04:49

50.32

26

提供者:机器学渣

batch数据为4,循环次数为10次,损失函数优化完,最终完成评分为48.78。

torch

ResU-Net

2019-08-22 14:56:36

48.78

27

提供者:weiliming

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48.46。

torch

ResU-Net

2019-09-04 21:05:50

48.46

28

提供者:善假于物

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38.11。

torch

ResU-Net

2019-09-12 05:00:15

38.11

29

提供者:bigyang

batch数据为16,循环次数为10次,损失函数优化完,最终完成评分为30.7。

torch

ResU-Net

2019-09-03 11:41:43

30.70

30

提供者:无心法师

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20.34。

torch

ResU-Net

2019-09-10 08:03:02

20.34

31

提供者:毛毛1572914561

batch数据为8,循环次数为1次,损失函数优化完,最终完成评分为8.52。

2019-11-07 12:41:20

8.52

32

提供者:木信

batch数据为1,循环次数为2次,损失函数优化完,最终完成评分为5.25。

PyTorch

ResU-Net

2019-09-05 00:59:04

5.25

33

提供者:Limbor

batch数据为8,循环次数为16次,损失函数优化完,最终完成评分为5.05。

PyTorch

ResU-Net

2019-10-15 19:57:57

5.05

34

提供者:呵了个呵。

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5.01。

PyTorch

ResU-Net

2019-11-04 02:07:32

5.01

35

提供者:Devin

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4.84。

2019-08-26 22:11:30

4.84

36

提供者:埼玉不秃头

batch数据为16,循环次数为300次,损失函数优化完,最终完成评分为4.8。

torch

ResU-Net

2019-08-29 01:00:04

4.80

37

提供者:你过来啊

batch数据为16,循环次数为1次,损失函数优化完,最终完成评分为4.79。

torch

ResU-Net

2019-08-23 12:12:59

4.79

38

提供者:哇咔咔

batch数据为16,循环次数为2次,损失函数优化完,最终完成评分为4.79。

PyTorch

ResU-Net

2019-09-03 18:46:07

4.79

39

提供者:colorLess

batch数据为8,循环次数为100次,损失函数优化完,最终完成评分为4.79。

torch

ResU-Net

2019-09-13 20:06:24

4.79

40

提供者:好吧不好吧你都用

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4.79。

2019-09-22 02:19:05

4.79

41

提供者:小龙虾养殖

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4.79。

PyTorch

ResU-Net

2019-10-08 02:45:31

4.79

42

提供者:mmmm

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4.79。

PyTorch

ResU-Net

2019-10-10 21:29:14

4.79

43

提供者:好好学习

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4.79。

PyTorch

ResU-Net

2019-10-24 12:29:45

4.79

44

提供者:qck15570179927

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4.6。

PyTorch

ResU-Net

2019-09-14 09:17:34

4.60

45

提供者:Init_bin

batch数据为4,循环次数为40次,损失函数优化完,最终完成评分为0。

torch

ResU-Net

2019-08-22 08:46:59

0.00

46

提供者:clare

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0。

torch

NET

2019-08-22 21:56:08

0.00

47

提供者:喵喵

batch数据为16,循环次数为5000次,损失函数优化完,最终完成评分为0。

torch

ResU-Net

2019-08-22 22:08:43

0.00

48

提供者:汤

batch数据为8,循环次数为10次,损失函数优化完,最终完成评分为0。

torch

ResU-Net

2019-08-23 20:33:54

0.00

49

提供者:cnn

batch数据为16,循环次数为32次,损失函数优化完,最终完成评分为0。

torch

ResU-Net

2019-08-23 20:58:30

0.00

50

提供者:玄学炼丹师

batch数据为8,循环次数为10次,损失函数优化完,最终完成评分为0。

torch

ResU-Net

2019-08-24 12:26:57

0.00

51

提供者:★八百标兵奔北坡

batch数据为8,循环次数为200次,损失函数优化完,最终完成评分为0。

torch

ResU-Net

2019-08-24 23:56:12

0.00

52

提供者:ZjiM

batch数据为8,循环次数为32次,损失函数优化完,最终完成评分为0。

torch

ResU-Net

2019-08-26 21:09:29

0.00

53

提供者:上山打老鼠

batch数据为512,循环次数为1次,损失函数优化完,最终完成评分为0。

torch

ResU-Net

2019-09-01 08:44:22

0.00

2019-10-28
西北风

模型得分为85.32,本次获得实时奖励奖金为10

2019-10-28 11:25:38

2019-09-18
xaioqiang

模型得分为84.3,本次获得实时奖励奖金为10

2019-09-18 11:00:49

2019-09-16
释然

模型得分为86.29,本次获得排名奖奖金为350

2019-09-16 15:00:02

我吃定了这第一

模型得分为87.47,本次获得排名奖奖金为700

2019-09-16 15:00:02

丶人狠话不多

模型得分为88.7,本次获得排名奖奖金为1050

2019-09-16 15:00:02

malena

模型得分为88.86,本次获得排名奖奖金为1750

2019-09-16 15:00:02

Daiccccc

模型得分为89.18,本次获得排名奖奖金为3150

2019-09-16 15:00:02

nice

模型得分为84.64,本次获得实时奖励奖金为10

2019-09-16 12:13:27

gboy

模型得分为82.3,本次获得实时奖励奖金为10

2019-09-16 12:10:41

超爱喝酸奶

模型得分为80.49,本次获得实时奖励奖金为10

2019-09-16 12:05:49

AMERICA

模型得分为83.9,本次获得实时奖励奖金为10

2019-09-16 12:00:39

Daiccccc

模型得分为89.18,本次获得实时奖励奖金为14

2019-09-16 11:58:44

释然

模型得分为85.09,本次获得实时奖励奖金为10

2019-09-16 11:22:56

nice

模型得分为80.5,本次获得实时奖励奖金为10

2019-09-16 10:53:49

2019-09-11
malena

模型得分为88.77,本次获得实时奖励奖金为2

2019-09-11 12:05:40

2019-09-10
哈尔的移动城堡

模型得分为84.01,本次获得实时奖励奖金为10

2019-09-10 12:32:12

哈尔的移动城堡

模型得分为80.74,本次获得实时奖励奖金为10

2019-09-10 12:26:21

释然

模型得分为80.22,本次获得实时奖励奖金为10

2019-09-10 12:25:07

2019-09-09
西北风

模型得分为83.36,本次获得实时奖励奖金为10

2019-09-09 16:01:26

小五弟

模型得分为84.54,本次获得实时奖励奖金为10

2019-09-09 14:58:39

2019-09-05
小五弟

模型得分为82.88,本次获得实时奖励奖金为10

2019-09-05 12:31:36

2019-09-04
我吃定了这第一

模型得分为87.45,本次获得实时奖励奖金为20

2019-09-04 11:56:30

malena

模型得分为88.71,本次获得实时奖励奖金为11

2019-09-04 11:55:13

Daiccccc

模型得分为88.4,本次获得实时奖励奖金为37.5

2019-09-04 11:53:06

2019-09-03
malena

模型得分为88.41,本次获得实时奖励奖金为82

2019-09-03 10:46:28

2019-08-30
ak74

模型得分为82.56,本次获得实时奖励奖金为10

2019-08-30 10:42:02

2019-08-26
malena

模型得分为86.86,本次获得实时奖励奖金为40

2019-08-26 14:32:33

Zyt

模型得分为81.64,本次获得实时奖励奖金为10

2019-08-26 11:38:16

2019-08-22
Daiccccc

模型得分为84.03,本次获得实时奖励奖金为80

2019-08-22 11:28:53

2019-08-21
malena

模型得分为80.21,本次获得实时奖励奖金为20

2019-08-21 10:43:40

Whisney`逸文

模型得分为85.03,本次获得实时奖励奖金为80

2019-08-21 10:39:19

丶人狠话不多

模型得分为88.19,本次获得实时奖励奖金为516

2019-08-21 10:34:40

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