UrbanSound8K-城市音频分类

分享给好友

剩余奖金 ¥ 354

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

该数据集收录的城市声音包含10个声音类别、8732个声音文件(每个文件最长不超过4秒)。

环境声音分类是一个不断发展的研究领域,例如对导致城市噪声污染的声音研究。鉴于对环境,特别是城市环境声音进行分类的各种研究,我们应该使用哪种分类法,它是否能满足我们的研究需求等并没有明确的结论。通过本赛题建立准确的音频分类模型,希望给大家带来更多对音频分类方法上的思考与突破。

参赛须知

参赛时间: 本次竞赛无时间限制,长期有效开放

参赛方式

  • 方式一:
  • 在线查看样例根据FlyAI样例模版实现算法并使用云端免费GPU进行模型训练获得最终成绩得分
  • 方式二:
  • 下载FlyAI样例模版进行本地调试并提交到云端使用免费GPU进行模型训练获得最终成绩得分,在本地进行代码调试的教程请查看[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
  • 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30%) 所有人 不同得分区间获得相应的竞赛奖金
突破奖(总奖金20%) 所有人 更新排行榜得分,获取相应竞赛奖金
排名奖(总奖金50%) 第一周/月前3名(冠、亚、季军) 项目上线第一周、第一个月; Time_P(周) = 0.5,Time_P(月) = 0.5;K1=0.5,K2=0.3,K3=0.2;
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:2019-05-31
  • 周排行奖结算时间:2019-06-07 15:00:00;月排名奖结算时间:2019-06-30 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
  • Bouns表示为:奖金池总金额;Score表示为:模型得分;
  • 【参与奖】相同得分区间无法再次获得奖励
  • 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)
  • Time_p表示:相关截止日期的奖金发放系数;K表示:每次发放排行榜前三名的分配系数;
  • 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

UrbanSoundClassification

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
ID string 不为空 音频路径
Class string 大于等于 0, 小于等于 9 音频分类

输入字段: ID,

输出字段: Class,

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:

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竞赛平台提供免费云端GPU资源,报名后可以使用自己熟练的框架,修改main.py中的网络结构和processor.py中的数据处理;仅部分赛题支持CSV方式提交,请仔细阅读参赛方式相关内容。

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:AiFool

693.63

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96.78。

2019-06-28 08:49:21

693.63

96.78

第三名

提供者:linlh

945.50

batch数据为64,循环次数为5次,损失函数优化完,最终完成评分为96.32。

2019-06-15 01:49:02

945.50

96.32

第三名

提供者:gboy

1065.00

batch数据为64,循环次数为1000次,损失函数优化完,最终完成评分为93.93。

2019-06-04 03:00:58

1065.00

93.93

4

提供者:malena

75.00

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93.93。

2019-06-30 19:06:44

75.00

93.93

5

提供者:我吃定了这第一

318.75

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93.84。

2019-06-07 14:45:37

318.75

93.84

6

提供者:zhr

4.69

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93.65。

2019-06-30 09:06:58

4.69

93.65

7

提供者:赵磊

45.00

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91.9。

2019-06-06 09:00:38

45.00

91.90

8

提供者:一怀去意

5.63

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90.62。

2019-07-14 16:27:32

5.63

90.62

9

提供者:=

352.50

batch数据为128,循环次数为1800次,损失函数优化完,最终完成评分为90.34。

MXnet

CNN

2019-06-07 14:38:21

352.50

90.34

10

提供者:恋旧却念旧

90.00

batch数据为100,循环次数为1000次,损失函数优化完,最终完成评分为89.24。

2019-06-04 03:41:23

90.00

89.24

11

提供者:ChangeBio

6.00

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80.77。

2019-06-13 18:56:23

6.00

80.77

12

提供者:zeng-_-|

batch数据为128,循环次数为1500次,损失函数优化完,最终完成评分为45.63。

2019-06-05 01:40:42

45.63

13

提供者:桃子李子杏子

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39.19。

2019-06-07 17:41:01

39.19

14

提供者:Wong

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37.63。

2019-07-15 06:35:18

37.63

2019-07-15
一怀去意

模型得分为89.51,本次获得实时奖励奖金为5.63

2019-07-15 15:28:38

2019-07-01
gboy

模型得分为93.93,本次获得排名奖奖金为200

2019-07-01 15:00:01

linlh

模型得分为96.32,本次获得排名奖奖金为300

2019-07-01 15:00:01

AiFool

模型得分为96.78,本次获得排名奖奖金为500

2019-07-01 15:00:01

zhr

模型得分为93.19,本次获得实时奖励奖金为4.69

2019-07-01 11:33:45

2019-06-28
AiFool

模型得分为96.78,本次获得实时奖励奖金为5

2019-06-28 11:54:36

AiFool

模型得分为96.69,本次获得实时奖励奖金为18

2019-06-28 11:54:31

2019-06-27
AiFool

模型得分为96.32,本次获得实时奖励奖金为150

2019-06-27 10:42:52

2019-06-19
linlh

模型得分为93.38,本次获得排名奖奖金为200

2019-06-19 16:18:45

我吃定了这第一

模型得分为93.84,本次获得排名奖奖金为300

2019-06-19 16:18:45

gboy

模型得分为93.93,本次获得排名奖奖金为500

2019-06-19 16:18:44

2019-06-18
AiFool

模型得分为93.1,本次获得实时奖励奖金为9.38

2019-06-18 12:12:12

2019-06-15
linlh

模型得分为96.32,本次获得实时奖励奖金为408

2019-06-15 21:16:19

AiFool

模型得分为90.25,本次获得实时奖励奖金为11.25

2019-06-15 21:15:24

2019-06-14
ChangeBio

模型得分为80.59,本次获得实时奖励奖金为6

2019-06-14 13:30:30

2019-06-10
我吃定了这第一

模型得分为93.84,本次获得实时奖励奖金为18.75

2019-06-10 10:56:08

=

模型得分为90.34,本次获得实时奖励奖金为22.5

2019-06-10 10:54:58

linlh

模型得分为92.55,本次获得实时奖励奖金为37.5

2019-06-10 10:22:59

2019-06-06
赵磊

模型得分为91.9,本次获得实时奖励奖金为45

2019-06-06 11:06:33

linlh

模型得分为89.24,本次获得实时奖励奖金为45

2019-06-06 10:51:44

2019-06-05
malena

模型得分为93.28,本次获得实时奖励奖金为75

2019-06-05 10:36:53

2019-06-04
恋旧却念旧

模型得分为89.24,本次获得实时奖励奖金为90

2019-06-04 14:40:03

gboy

模型得分为93.93,本次获得实时奖励奖金为365

2019-06-04 14:39:59

=

模型得分为87.3,本次获得实时奖励奖金为67

2019-06-04 11:37:38

=

模型得分为84.27,本次获得实时奖励奖金为65

2019-06-04 11:36:55

=

模型得分为83.35,本次获得实时奖励奖金为198

2019-06-04 11:36:48

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.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.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.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 100 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