安全帽佩戴检测

分享给好友

20万元大奖(最新MacBook Pro+GPU资源)

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

安全帽是各行各业安全生产工作者必不可少的安全用具,通过正确佩戴安全帽不仅可以防止和减轻各种事故的伤害,而且保障了工作者的生命安全。为了防止因未戴安全帽导致的安全事故,安全帽佩戴检测成为了监督工作者佩戴安全帽的利器。

这里我们收集了七千多张经过标注的图片,这些图片大小不一致,其中标注分为佩戴安全帽和未佩戴安全帽两类,数据集按照6:2:2的比例进行训练集、校验集和测试集划分。

参赛须知

参赛时间:2019.09.30-2019.11.11

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,并使用本地终端命令提交作品。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,团队中成绩最高费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)
特别奖 1人 Apple MacBook Pro + 5000FAI (总价值15,000元) (需满足激活条件后开启)
一等奖 1人 Apple iPhone XR + 2000FAI(总价值8,200元)
二等奖 1人 Apple Watch Series3 + 2000FAI(总价值4,300元)
三等奖 1人 小米扫地机器人 + 1500FAI(总价值3,000元)
四等奖 1人 Beats X 蓝牙无线耳机 + 1500FAI(总价值2,250元)
五等奖 1人 小米手环(NFC版) + 1500FAI(总价值1,700元)
排名奖 15人 第6~10名获得100元奖金 + 1000FAI;第11~20名获得50元奖金 + 1000FAI
参与奖 排行榜其他名次 800FAI,相当于800分钟 Tesla-P40 GPU计算资源

奖励获取要求:

  • 特别奖激活条件:截止比赛结束,排行榜参赛人数达到300人将激活特别奖,最终冠军将获得特别奖!原奖品将顺延至下一名参赛者
  • 比赛结束后前10名参赛者需提供Markdown格式赛题解决思路(FlyAI将提供参考模版)并在学习圈公开代码查看权限
  • 比赛结束后如未能达到奖金/奖励获取要求,所获奖品将按照排名顺延至下一位参赛选手

赛事主题和数据说明

赛题描述

本赛题为10月活动赛题,截止2019年11月11日下午20点整所有训练完成结果均为有效成绩!!

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
box string 不为空 目标框(不同目标框之间用空格分隔,每个目标框格式为 xmin,ymin,xmax,ymax,label 其中label=0表示戴安全帽,label=1表示未戴安全帽)

输入字段: img_path,

输出字段: box,

参考文献:

[1]

评审标准

评审指标说明

  • 本赛题基础得分为85分,所有超过基础得分的参赛者可获得相对应奖励!
  • 评估指标采用mAP(Mean Average Precision)方法,AP为precision-recall曲线下的面积,对所有类别的AP取平均值即为mAP。
  • 其中在计算AP时,IOU阈值设置为0.5
  • 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
第三名

提供者:小克

batch数据为8,循环次数为50次,损失函数优化完,最终完成评分为95.41。

2019-10-12 16:45:14

95.41

第三名

提供者:invisprints

batch数据为4,循环次数为1次,损失函数优化完,最终完成评分为94.92。

2019-10-13 11:20:55

94.92

第三名

提供者:qqm

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94.41。

2019-10-09 23:04:52

94.41

4

提供者:AMERICA

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87.21。

2019-10-07 16:31:57

87.21

5

提供者:a554142589

batch数据为500,循环次数为50次,损失函数优化完,最终完成评分为86.51。

2019-10-16 13:55:15

86.51

6

提供者:宇宙

batch数据为4,循环次数为60次,损失函数优化完,最终完成评分为85.69。

2019-10-03 05:31:04

85.69

7

提供者:我吃定了这第一

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85.66。

2019-10-22 23:51:35

85.66

8

提供者:永不息的舞步

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85.08。

2019-10-12 05:43:20

85.08

9

提供者:小林子

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82.82。

2019-10-09 20:41:09

82.82

10

提供者:会员1568255337

batch数据为5,循环次数为64次,损失函数优化完,最终完成评分为82.64。

2019-10-13 17:48:24

82.64

11

提供者:heihei

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77.9。

2019-10-01 15:55:31

77.90

12

提供者:天涯·明月·刀

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76.74。

2019-10-11 00:33:08

76.74

13

提供者:Hugh

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73.45。

2019-10-13 00:51:19

73.45

14

提供者:Mengcius

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72.41。

2019-10-02 15:05:41

72.41

15

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72.39。

2019-10-19 19:09:38

72.39

16

提供者:zhr

batch数据为20,循环次数为50次,损失函数优化完,最终完成评分为36.84。

2019-10-22 23:26:45

36.84

17

提供者:hhhhhh

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22.71。

2019-10-17 21:34:17

22.71

18

提供者:CrazySummerday

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12.94。

2019-10-19 05:48:32

12.94

19

提供者:Scarlatti

batch数据为20,循环次数为20次,损失函数优化完,最终完成评分为7.71。

2019-10-02 01:24:55

7.71

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. 下载项目并解压
2.进入到项目目录下,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.本地开发调试

运行flyai.exe程序,点击"本地调试"按钮,输入循环次数和数据量,点击运行即可调用main.py

如果使用本地IDE开发,需要执行安装“flyai”依赖并导入项目,运行main.py

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"提交到GPU"按钮,输入循环次数和数据量,点击运行即可提交到GPU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

1. 下载项目并解压
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

首先进入到项目对应的磁盘中,然后执行

cd path\to\project

Windows用户使用 flyai.exe

4. 本地开发调试

执行下列命令本地安装环境并调试(第一次使用需要使用微信扫码登录)

flyai.exe test

执行test命令,会自动下载100条测试数据到项目下

安装项目所需依赖,并运行 main.py

如果使用本地IDE开发,可以自行安装 requirements.txt 中的依赖,运行 main.py 即可

5.提交训练到GPU

项目中如有新的引用,需加入到 requirements.txt 文件中

在终端下执行

flyai.exe train

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

完整训练设置执行代码示例:

flyai.exe train -b=32 -e=100

通过执行训练命令,本次训练循环 100 次,每次训练读取的数据量为 32 。

1. 下载项目并解压
2. 使用终端进入到项目的根目录下

cd /path/to/project

Mac和Linux用户使用 ./flyai 脚本文件

3. 初始化环境并登录

授权flyai脚本

chmod +x ./flyai

4. 本地开发调试

执行下列命令本地安装环境并调试(第一次使用需要使用微信扫码登录)

./flyai test 注意:命令前面不要加sudo

执行test命令,会自动下载100条测试数据到项目下

安装项目所需依赖,并运行 main.py

如果使用本地IDE开发,可以自行安装 requirements.txt 中的依赖,运行 main.py 即可

5.提交训练到GPU

项目中如有新的引用,需加入到 requirements.txt 文件中

在终端下执行

./flyai train 注意:命令前面不要加sudo

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

完整训练设置执行代码示例:

./flyai train -b=32 -e=100

通过执行训练命令,本次训练循环 100 次,每次训练读取的数据量为 32 。

$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