人体骨骼动作识别

分享给好友

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

该项目基于NTU RGB+D 120数据集,提取数据集中对应的视频中人的骨骼关键位置点,用于动作识别,共120个动作,数据集以json文件给出,包括frame:帧数,60帧,joints_num:25,25个关节的位置坐标joint_0_x,joint_0_y

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

SkeletonV2

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 文件路径
name string 不为空 动作类别
labels int 大于等于 0, 小于等于 119 分类标签

输入字段: image_path,

输出字段: labels,

参考文献:

[1]NTU RGB+D 120: A Large-Scale Benchmark for 3D Human Activity Understanding

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:

展开

  • 竞赛排行榜
  • 自由练习榜单
超过 70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:FastAI可解释性差

暂未公开
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48.02。

2019-09-14 17:31:43

48.02

暂未公开
第三名

提供者:emmm我还没想好

暂未公开
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46.44。

2019-09-20 07:24:24

46.44

暂未公开
第三名

提供者:凯隐

暂未公开
batch数据为97,循环次数为50次,损失函数优化完,最终完成评分为42.18。

2019-09-27 07:15:08

42.18

暂未公开
4

提供者:skr skr skr

暂未公开
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39.68。

2019-10-11 18:12:18

39.68

暂未公开
5

提供者:小林子

暂未公开
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34.81。

2019-09-17 18:11:49

34.81

暂未公开
6

提供者:释然

暂未公开
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28.1。

2019-09-15 13:22:10

28.10

暂未公开
7

提供者:会飞的猪

暂未公开
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23.93。

2019-08-28 11:27:30

23.93

暂未公开
8

提供者:matthew

暂未公开
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22.8。

2019-08-25 18:36:50

22.80

暂未公开
9

提供者:为之奈何

暂未公开
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18.51。

2019-08-26 00:57:27

18.51

暂未公开
10

提供者:learnFromBest

暂未公开
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18.38。

2019-09-02 00:16:56

18.38

暂未公开
11

提供者:radio

暂未公开
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17.01。

2019-11-12 15:22:44

17.01

暂未公开
12

提供者:Noah

暂未公开
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15.51。

2019-08-28 12:58:20

15.51

暂未公开
13

提供者:宇宙

暂未公开
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13.13。

2019-09-23 06:03:12

13.13

暂未公开
14

提供者:motoleisure

暂未公开
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13.01。

2019-09-06 05:03:51

13.01

暂未公开
15

提供者:风1567927103

暂未公开
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12.09。

2019-09-25 14:11:43

12.09

暂未公开
16

提供者:AMERICA

暂未公开
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11。

2019-08-26 03:40:15

11.00

暂未公开
17

提供者:Bibi.x

暂未公开
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10.09。

2019-09-17 17:53:35

10.09

暂未公开
18

提供者:June_Z

暂未公开
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8.5。

2019-09-09 07:27:17

8.50

暂未公开
19

提供者:milixiang

暂未公开
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6.29。

2019-11-20 01:38:56

6.29

暂未公开
20

提供者:北部湾的落日

暂未公开
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2.83。

2019-09-05 22:37:54

2.83

暂未公开
21

提供者:ChangeBio

暂未公开
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1.96。

2019-09-03 06:42:34

1.96

暂未公开
22

提供者:PPdog

暂未公开
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1.83。

2019-09-03 09:21:11

1.83

暂未公开
23

提供者:cnn

暂未公开
batch数据为64,循环次数为3次,损失函数优化完,最终完成评分为1.13。

2019-10-08 09:25:48

1.13

暂未公开
24

提供者:Xin Yao

暂未公开
batch数据为64,循环次数为20次,损失函数优化完,最终完成评分为1.04。

2019-08-24 19:54:24

1.04

暂未公开
25

提供者:qck15570179927

暂未公开
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0.96。

2019-10-26 13:16:08

0.96

暂未公开
26

提供者:Jeremy

暂未公开
batch数据为128,循环次数为2次,损失函数优化完,最终完成评分为0.71。

2019-09-15 20:00:22

0.71

暂未公开
第一名
cnn 2019-12-11 19:03:11
2019-12-11 19:03:11
18.13

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