120种狗狗品种分类赛

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

Stanford Dogs数据集包含来自世界各地的120种犬种的图像。该数据集是使用ImageNet中的图像和注释构建的,用于细粒度图像分类的任务。它最初被收集用于细粒图像分类,这是一个具有挑战性的问题,因为某些犬种具有接近相同的特征或者颜色。

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

StanfordDogs120

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 file_path 不为空 图片的相对路径
name int 不为空 图片对应的类别
labels int 大于等于 0, 小于等于 119 图片的标注标签

输入字段: image_path,

输出字段: labels,

参考文献:

[1]

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
第三名

提供者:我吃定了这第一

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95.14。

Keras

Babydontcry

2019-06-14 12:58:45

95.14

暂未公开
第三名

提供者:gboy

暂未公开
batch数据为64,循环次数为2800次,损失函数优化完,最终完成评分为94.85。

2019-06-15 23:35:21

94.85

暂未公开
第三名

提供者:交差墒

大神经验
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94.31。

2019-06-13 21:33:55

94.31

大神经验
4

提供者:FastAI可解释性差

大神经验
batch数据为128,循环次数为20次,损失函数优化完,最终完成评分为94.1。

2019-06-11 05:58:05

94.10

大神经验
5

提供者:malena

暂未公开
batch数据为32,循环次数为3000次,损失函数优化完,最终完成评分为92.83。

2019-06-07 01:10:29

92.83

暂未公开
6

提供者:stawary

大神经验
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91.89。

2019-05-28 22:14:29

91.89

大神经验
7

提供者:佘冠华

暂未公开
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85.54。

2019-06-02 12:12:01

85.54

暂未公开
8

提供者:AiFool

大神经验
batch数据为256,循环次数为1000次,损失函数优化完,最终完成评分为85.28。

2019-06-13 18:40:54

85.28

大神经验
9

提供者:汐炎

大神经验
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85.13。

2019-05-23 17:02:35

85.13

大神经验
10

提供者:trick_or_treat

暂未公开
batch数据为64,循环次数为1200次,损失函数优化完,最终完成评分为82.29。

2019-05-24 21:25:49

82.29

暂未公开
11

提供者:丶人狠话不多

暂未公开
batch数据为64,循环次数为3500次,损失函数优化完,最终完成评分为81.44。

2019-06-08 02:12:42

81.44

暂未公开
12

提供者:来追我咿呀哟

暂未公开
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80.47。

2019-05-21 10:51:21

80.47

暂未公开
13

提供者:鬼见愁

大神经验
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79.52。

2019-06-19 00:12:58

79.52

大神经验
14

提供者:xeoner

大神经验
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77.31。

2019-05-18 10:07:15

77.31

大神经验
15

提供者:桂ly

大神经验
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76.97。

2019-05-18 20:14:35

76.97

大神经验
16

提供者:machinelearning小学生

暂未公开
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76.97。

2019-06-30 17:39:33

76.97

暂未公开
17

提供者:Zachary

暂未公开
batch数据为16,循环次数为20次,损失函数优化完,最终完成评分为76.09。

2019-06-04 15:12:46

76.09

暂未公开
18

提供者:善假于物

暂未公开
batch数据为36,循环次数为1000次,损失函数优化完,最终完成评分为76.09。

2019-06-16 07:20:31

76.09

暂未公开
19

提供者:ChangeBio

暂未公开
batch数据为128,循环次数为3000次,损失函数优化完,最终完成评分为75.75。

2019-05-30 12:03:17

75.75

暂未公开
20

提供者:加勒比

暂未公开
batch数据为84,循环次数为32次,损失函数优化完,最终完成评分为73.96。

2019-05-20 17:18:25

73.96

暂未公开
21

提供者:Micoon

暂未公开
batch数据为64,循环次数为200次,损失函数优化完,最终完成评分为71.96。

2019-05-21 06:14:41

71.96

暂未公开
22

提供者:就是很任性

暂未公开
batch数据为8,循环次数为3000次,损失函数优化完,最终完成评分为71.4。

2019-05-23 22:07:55

71.40

暂未公开
23

提供者:jianbin.xu

暂未公开
batch数据为256,循环次数为64次,损失函数优化完,最终完成评分为70.02。

2019-05-20 20:11:36

70.02

暂未公开
24

提供者:凌空

暂未公开
batch数据为128,循环次数为20次,损失函数优化完,最终完成评分为66.84。

Keras

Inception V3

2019-05-20 18:23:36

66.84

暂未公开
25

提供者:从小跑开始

暂未公开
batch数据为64,循环次数为2500次,损失函数优化完,最终完成评分为59.11。

2019-05-26 01:12:58

59.11

暂未公开
26

提供者:linlh

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55.64。

2019-05-22 10:42:02

55.64

暂未公开
27

提供者:troublemaker

暂未公开
batch数据为64,循环次数为800次,损失函数优化完,最终完成评分为52.67。

2019-05-26 14:15:47

52.67

暂未公开
28

提供者:飞扬

暂未公开
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52.65。

2019-06-19 23:04:44

52.65

暂未公开
29

提供者:HelloWor1d

暂未公开
batch数据为32,循环次数为333次,损失函数优化完,最终完成评分为49.2。

2019-06-06 12:58:01

49.20

暂未公开
30

提供者:liuzhan

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45。

2019-05-31 12:32:32

45.00

暂未公开
31

提供者:强化学习

暂未公开
batch数据为128,循环次数为100次,损失函数优化完,最终完成评分为44.02。

2019-05-29 10:54:35

44.02

暂未公开
32

提供者:weiliming

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41.4。

2019-06-18 00:33:40

41.40

暂未公开
33

提供者:smooklazz

暂未公开
batch数据为128,循环次数为10000次,损失函数优化完,最终完成评分为39.21。

2019-05-30 04:13:37

39.21

暂未公开
34

提供者:小丸子

暂未公开
batch数据为128,循环次数为25次,损失函数优化完,最终完成评分为37.39。

2019-05-19 19:28:11

37.39

暂未公开
35

提供者:Blankit

暂未公开
batch数据为512,循环次数为10次,损失函数优化完,最终完成评分为36.98。

2019-05-31 12:59:45

36.98

暂未公开
36

提供者:kongd

暂未公开
batch数据为32,循环次数为2500次,损失函数优化完,最终完成评分为34.82。

2019-05-18 11:28:38

34.82

暂未公开
37

提供者:LTK#凯

暂未公开
batch数据为128,循环次数为30次,损失函数优化完,最终完成评分为33.19。

2019-06-04 15:38:12

33.19

暂未公开
38

提供者:lchj

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29.15。

2019-05-25 11:53:03

29.15

暂未公开
39

提供者:月半

暂未公开
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27.04。

2019-05-22 21:06:41

27.04

暂未公开
40

提供者:cnn

暂未公开
batch数据为100,循环次数为32次,损失函数优化完,最终完成评分为23.08。

2019-06-20 13:21:32

23.08

暂未公开
41

提供者:唱跳RAP打篮球

暂未公开
batch数据为128,循环次数为2000次,损失函数优化完,最终完成评分为21.21。

2019-05-17 19:19:01

21.21

暂未公开
42

提供者:chyang

暂未公开
batch数据为32,循环次数为500次,损失函数优化完,最终完成评分为20.87。

2019-05-21 15:01:03

20.87

暂未公开
43

提供者:zql

暂未公开
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19.31。

2019-05-30 17:41:22

19.31

暂未公开
44

提供者:Seeney

暂未公开
batch数据为128,循环次数为40次,损失函数优化完,最终完成评分为18.8。

2019-05-21 06:01:07

18.80

暂未公开
45

提供者:Bluove

暂未公开
batch数据为64,循环次数为6000次,损失函数优化完,最终完成评分为17.74。

2019-05-17 23:08:49

17.74

暂未公开
46

提供者:binghang

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17.54。

2019-05-24 19:14:57

17.54

暂未公开
47

提供者:Jason4521

暂未公开
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17.3。

2019-05-18 06:11:42

17.30

暂未公开
48

提供者:宇宙

暂未公开
batch数据为32,循环次数为500次,损失函数优化完,最终完成评分为12.2。

2019-06-03 05:56:21

12.20

暂未公开
49

提供者:纶巾

暂未公开
batch数据为512,循环次数为100次,损失函数优化完,最终完成评分为11.08。

2019-05-23 08:19:35

11.08

暂未公开
50

提供者:火炎焱燚

暂未公开
batch数据为32,循环次数为3000次,损失函数优化完,最终完成评分为10.54。

2019-05-19 02:25:16

10.54

暂未公开
51

提供者:Reluminia

暂未公开
batch数据为512,循环次数为32次,损失函数优化完,最终完成评分为9.89。

2019-05-18 22:22:36

9.89

暂未公开
52

提供者:Nightingale

暂未公开
batch数据为32,循环次数为300次,损失函数优化完,最终完成评分为8.14。

2019-05-25 15:10:54

8.14

暂未公开
53

提供者:hiccup

暂未公开
batch数据为32,循环次数为300次,损失函数优化完,最终完成评分为7.19。

2019-05-18 06:13:02

7.19

暂未公开
54

提供者:zeng-_-|

暂未公开
batch数据为64,循环次数为2000次,损失函数优化完,最终完成评分为6.8。

2019-05-31 22:54:00

6.80

暂未公开
55

提供者:DDBG

暂未公开
batch数据为500,循环次数为256次,损失函数优化完,最终完成评分为5.98。

2019-05-20 15:17:03

5.98

暂未公开
56

提供者:有分儿就行

暂未公开
batch数据为500,循环次数为200次,损失函数优化完,最终完成评分为5.88。

2019-05-22 20:04:10

5.88

暂未公开
57

提供者:天天向上

暂未公开
batch数据为64,循环次数为4000次,损失函数优化完,最终完成评分为4.25。

2019-05-17 18:47:33

4.25

暂未公开
58

提供者:练字不能停

暂未公开
batch数据为1000,循环次数为50次,损失函数优化完,最终完成评分为3.94。

2019-05-25 18:18:11

3.94

暂未公开
59

提供者:Joshua

暂未公开
batch数据为3500,循环次数为128次,损失函数优化完,最终完成评分为3.79。

2019-05-18 15:35:31

3.79

暂未公开
60

提供者:Shane恆

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3.62。

2019-06-01 21:39:39

3.62

暂未公开
61

提供者:yaa จุ๊บ

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3.6。

2019-07-09 16:22:09

3.60

暂未公开
62

提供者:风逸

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3.21。

2019-05-23 12:21:48

3.21

暂未公开
63

提供者:刘小伙要低调!

暂未公开
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3.11。

2019-06-28 20:29:48

3.11

暂未公开
64

提供者:Teenage Dream

暂未公开
batch数据为32,循环次数为2000次,损失函数优化完,最终完成评分为2.84。

2019-05-19 10:02:42

2.84

暂未公开
65

提供者:亚豪

暂未公开
batch数据为256,循环次数为16次,损失函数优化完,最终完成评分为2.58。

2019-05-21 18:26:06

2.58

暂未公开
66

提供者:tk

暂未公开
batch数据为512,循环次数为100次,损失函数优化完,最终完成评分为2.48。

2019-05-23 20:37:23

2.48

暂未公开
67

提供者:你猜猜我是谁

暂未公开
batch数据为128,循环次数为6次,损失函数优化完,最终完成评分为2.33。

2019-05-20 23:17:35

2.33

暂未公开
68

提供者:markov_future

暂未公开
batch数据为1000,循环次数为128次,损失函数优化完,最终完成评分为1.34。

2019-05-20 12:44:33

1.34

暂未公开
69

提供者:门门

暂未公开
batch数据为512,循环次数为32次,损失函数优化完,最终完成评分为1.34。

2019-05-25 20:46:51

1.34

暂未公开
70

提供者:poplar

暂未公开
batch数据为32,循环次数为3000次,损失函数优化完,最终完成评分为1.21。

2019-06-11 09:41:30

1.21

暂未公开
71

提供者:马什么梅

暂未公开
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1.21。

2019-08-05 20:07:56

1.21

暂未公开
72

提供者:Amadeus

暂未公开
batch数据为512,循环次数为100次,损失函数优化完,最终完成评分为1.19。

2019-05-20 16:21:07

1.19

暂未公开
73

提供者:ON-looker

暂未公开
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1.19。

2019-06-13 22:40:09

1.19

暂未公开
74

提供者:tutu

暂未公开
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1.09。

2019-06-14 19:16:42

1.09

暂未公开
75

提供者:clare

暂未公开
batch数据为32,循环次数为500次,损失函数优化完,最终完成评分为1.04。

2019-05-17 17:42:34

1.04

暂未公开
76

提供者:麦小杨

暂未公开
batch数据为128,循环次数为200次,损失函数优化完,最终完成评分为1.02。

2019-05-26 00:25:03

1.02

暂未公开
77

提供者:flying

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0.97。

2019-05-20 19:17:58

0.97

暂未公开
78

提供者:Allison

暂未公开
batch数据为1000,循环次数为10次,损失函数优化完,最终完成评分为0.87。

2019-07-02 11:38:58

0.87

暂未公开
79

提供者:优雅一只猫

暂未公开
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0.85。

2019-05-20 16:14:34

0.85

暂未公开
第一名
马什么梅 2019-08-01 13:23:22
2019-08-01 13:23:22
85.28
第二名
暖阳。 2019-08-17 19:53:19
2019-08-17 19:53:19
69.95
第三名
cnn 2019-08-15 22:54:51
2019-08-15 22:54:51
8.38
4
clare 2019-08-15 01:14:43
2019-08-15 01:14:43
4.81
5
绝缘体 2019-09-08 03:19:17
2019-09-08 03:19:17
3.98
6
Ghardy 2019-08-02 21:14:16
2019-08-02 21:14:16
1.31
7
junex 2019-08-02 23:04:30
2019-08-02 23:04:30
1.31
8
2019-08-03 17:47:05
2019-08-03 17:47:05
1.31
9
Woz 2019-08-05 10:06:47
2019-08-05 10:06:47
1.31
10
小数定理 2019-08-19 14:12:48
2019-08-19 14:12:48
1.31
11
椉風 2019-08-28 20:52:21
2019-08-28 20:52:21
1.31
12
Zuolong 2019-09-01 13:32:07
2019-09-01 13:32:07
1.31
13
BLOOM 2019-09-05 10:35:14
2019-09-05 10:35:14
1.31
14
A0宋志龙 2019-09-16 19:48:13
2019-09-16 19:48:13
1.31
15
XIANG1570761802 2019-10-12 18:34:00
2019-10-12 18:34:00
1.31

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