图片超分辨率挑战赛

分享给好友

剩余奖金 ¥ 5,000

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

图像分辨率是用来评估图像中蕴含细节信息丰富程度的一个指标。高分辨率图像相对于低分辨率图像拥有更大的像素密度,更多的纹理细节信息。但在实际生活中,由于受到采集设备、网络传输介质等因素的影响,我们通常得到的是一些低分辨率的图像,因此图像超分辨率重建技术具有深远的研究意义。图像超分辨率是指将一幅低分辨率图像恢复成高分辨率的图像,在本数据集一共有1800张图片,其中包括900对高分辨率和低分辨率图片,这里高分辨率图片大小是低分辨率图片大小的四倍。训练集、验证集和测试集划分比例为6:2:2.

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:2019-10-18
  • 月排名奖结算时间:2019-11-19 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

SingleImageSuperResolution4Scale

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
hr_image_path string 不为空 高清图片的相对路径
lr_image_path string 不为空 低清图片的相对路径

输入字段: lr_image_path,

输出字段: hr_image_path,

评审标准

评审指标说明

  • SSIM 是一种用以衡量两张图片相似程度的指标,一般取值范围:0-1. 值越大,视频质量越好。
  • 可参考 from skimage.measure import compare_ssim 中的实现方式。
  • 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:他的国

batch数据为16,循环次数为60次,损失函数优化完,最终完成评分为85.75。

2019-11-16 06:47:13

85.75

第三名

提供者:invisprints

batch数据为32,循环次数为3次,损失函数优化完,最终完成评分为85.7。

2019-10-28 16:51:58

85.70

第三名

提供者:qqm

batch数据为2,循环次数为300次,损失函数优化完,最终完成评分为85.67。

2019-11-16 00:16:00

85.67

4

提供者:Seeney

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85.55。

2019-10-26 08:57:42

85.55

5

提供者:Wghost

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84.7。

2019-10-23 16:24:04

84.70

6

提供者:chenfengshf

batch数据为32,循环次数为1000次,损失函数优化完,最终完成评分为84.26。

2019-11-01 06:40:01

84.26

7

提供者:Zkple

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84.19。

2019-11-14 00:36:01

84.19

8

提供者:nice

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83.92。

2019-10-28 07:29:18

83.92

9

提供者:搬砖的长工

batch数据为1,循环次数为300次,损失函数优化完,最终完成评分为83.69。

2019-10-27 06:28:00

83.69

10

提供者:The Answer

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83.66。

2019-10-31 20:44:56

83.66

11

提供者:善假于物

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82.81。

2019-10-27 01:39:23

82.81

12

提供者:作业借我抄

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82.51。

2019-10-30 19:34:45

82.51

13

提供者:黄花寒后难逢蝶

batch数据为4,循环次数为64次,损失函数优化完,最终完成评分为82.42。

Keras

WDSR/SRGAN

2019-10-28 11:50:02

82.42

14

提供者:难寻

batch数据为1,循环次数为30次,损失函数优化完,最终完成评分为82.18。

2019-11-05 01:08:24

82.18

15

提供者:Bright

batch数据为15,循环次数为20次,损失函数优化完,最终完成评分为81.73。

2019-10-25 13:55:44

81.73

16

提供者:宇宙

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81.5。

2019-10-26 12:48:18

81.50

17

提供者:ashergaga

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81.36。

2019-10-26 19:19:04

81.36

18

提供者:超级分分分分

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81.06。

2019-10-26 09:11:21

81.06

19

提供者:208.

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79.37。

2019-11-16 15:13:54

79.37

20

提供者:L.J.

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78.63。

2019-11-13 23:21:36

78.63

21

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78.51。

2019-11-01 08:22:11

78.51

22

提供者:a554142589

batch数据为1,循环次数为200次,损失函数优化完,最终完成评分为78.21。

2019-10-28 20:21:57

78.21

23

提供者:呵了个呵。

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71.23。

2019-11-16 23:38:29

71.23

24

提供者:killf

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70.26。

Paddle

EDSR

2019-11-01 16:02:25

70.26

25

提供者:沐阳听风

batch数据为8,循环次数为400次,损失函数优化完,最终完成评分为69.28。

2019-10-22 20:57:57

69.28

26

提供者:一口大怪兽

batch数据为32,循环次数为64次,损失函数优化完,最终完成评分为67.6。

2019-11-05 00:01:47

67.60

27

提供者:陆艺夫Lewisluk

batch数据为1,循环次数为40次,损失函数优化完,最终完成评分为66.82。

2019-10-23 06:46:26

66.82

28

提供者:风1567927103

batch数据为16,循环次数为50次,损失函数优化完,最终完成评分为64.84。

2019-11-14 16:54:40

64.84

29

提供者:北部湾的落日

batch数据为16,循环次数为50次,损失函数优化完,最终完成评分为64.02。

Keras

DBPN

2019-10-25 23:11:45

64.02

30

提供者:tiankong

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54.02。

2019-11-16 15:19:27

54.02

31

提供者:流年相摧

batch数据为1,循环次数为50次,损失函数优化完,最终完成评分为52.68。

2019-10-23 19:31:39

52.68

32

提供者:佚

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38.69。

2019-11-13 18:53:36

38.69

33

提供者:詹

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34.15。

2019-11-13 21:07:19

34.15

34

提供者:样例基线

batch数据为16,循环次数为3次,损失函数优化完,最终完成评分为25.24。

2019-10-19 22:02:47

25.24

35

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11.05。

2019-11-06 12:54:33

11.05

36

提供者:kizzy

batch数据为5,循环次数为10次,损失函数优化完,最终完成评分为2.47。

2019-10-28 13:19:35

2.47

37

提供者:sigmoid

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2.21。

2019-10-25 08:53:56

2.21

38

提供者:Swaggy

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2.09。

2019-11-17 00:23:56

2.09

39

提供者:江水

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0.58。

2019-10-23 19:30:43

0.58

还没有奖金记录哦~ 快去参赛吧!

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 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