2005 VOC挑战赛

分享给好友

剩余奖金 ¥ 734

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

PASCAL VOC为图像识别和分类提供了一整套标准化的优秀的数据集,从2005年到2012年每年都会举行一场图像识别challenge。该数据集取自TU-Darmstadt, Caltech, TU-Graz 和 UIUC等发布的数据集。在该数据集中每张图片中的物体都由人工标注,物体包含汽车,摩托车,自行车和人体四类。

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:2019-04-25
  • 周排行奖结算时间:2019-05-02 15:00:00;月排名奖结算时间:2019-05-25 15:00:00
  • 奖金获取标准:85<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

host.robots.ox.ac.uk/pascal/VOC/databases.html#VOC2005_1

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 图片的相对路径
label int 大于等于 0, 小于等于 3 物体类别
name string 不为空 类别名称

输入字段: image_path,

输出字段: label,

参考文献:

[1]chapter.pdf

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:你猜猜我是谁

923.75

损失函数优化完,最终完成评分为95.8。

2019-04-26 08:15:12

923.75

95.80

第三名

提供者:看你很6哦

431.25

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93.01。

2019-04-29 17:18:09

431.25

93.01

第三名

提供者:喵喵

251.88

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87.41。

2019-04-28 10:40:01

251.88

87.41

4

提供者:lyming

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86.01。

2019-04-28 11:18:31

86.01

5

提供者:小小菜

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86.01。

2019-05-03 21:39:38

86.01

6

提供者:火炎焱燚

157.50

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86.01。

2019-05-07 05:29:31

157.50

86.01

7

提供者:linlh

batch数据为64,循环次数为40次,损失函数优化完,最终完成评分为86.01。

2019-05-28 20:54:05

86.01

8

提供者:善假于物

3.75

batch数据为96,循环次数为5000次,损失函数优化完,最终完成评分为85.31。

2019-04-27 13:45:13

3.75

85.31

9

提供者:交差墒

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85.31。

2019-05-22 20:06:57

85.31

10

提供者:bestfitting

batch数据为512,循环次数为2000次,损失函数优化完,最终完成评分为84.62。

2019-04-26 19:13:36

84.62

11

提供者:Winteriscoming

batch数据为512,循环次数为200次,损失函数优化完,最终完成评分为84.62。

2019-04-27 17:43:13

84.62

12

提供者:加勒比

batch数据为71,循环次数为50次,损失函数优化完,最终完成评分为83.92。

2019-05-26 08:54:44

83.92

13

提供者:gezp

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83.22。

2019-05-01 11:26:34

83.22

14

提供者:哈尔的移动城堡

batch数据为100,循环次数为300次,损失函数优化完,最终完成评分为83.22。

2019-05-23 01:26:30

83.22

15

提供者:malena

batch数据为16,循环次数为3000次,损失函数优化完,最终完成评分为83.22。

2019-05-28 06:51:38

83.22

16

提供者:DLin

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82.52。

2019-04-28 23:42:29

82.52

17

提供者:汐炎

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82.52。

2019-04-29 09:23:05

82.52

18

提供者:Joshua

batch数据为128,循环次数为500次,损失函数优化完,最终完成评分为82.52。

2019-04-29 15:28:39

82.52

19

提供者:AloofKun

batch数据为128,循环次数为500次,损失函数优化完,最终完成评分为82.52。

2019-07-12 20:56:56

82.52

20

提供者:tik_boa

batch数据为16,循环次数为1500次,损失函数优化完,最终完成评分为81.12。

2019-04-27 18:53:23

81.12

21

提供者:FastAI可解释性差

batch数据为128,循环次数为15次,损失函数优化完,最终完成评分为81.12。

Keras

HeyGays

2019-05-14 23:02:04

81.12

22

提供者:我吃定了这第一

batch数据为32,循环次数为8000次,损失函数优化完,最终完成评分为79.02。

2019-04-26 11:11:55

79.02

23

提供者:chyang

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78.32。

2019-05-20 23:09:56

78.32

24

提供者:gboy

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78.32。

2019-05-25 14:32:07

78.32

25

提供者:Daiccccc

batch数据为40,循环次数为8000次,损失函数优化完,最终完成评分为77.62。

2019-04-26 07:48:26

77.62

26

提供者:淋雨

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76.92。

2019-04-28 17:38:03

76.92

27

提供者:丶人狠话不多

batch数据为128,循环次数为5000次,损失函数优化完,最终完成评分为76.22。

2019-04-26 07:02:32

76.22

28

提供者:ChangeBio

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74.83。

Pretrained

ResNet34

2019-04-28 20:17:58

74.83

29

提供者:jhp

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70.63。

2019-05-01 14:43:05

70.63

30

提供者:who

batch数据为64,循环次数为300次,损失函数优化完,最终完成评分为69.93。

2019-08-14 14:25:58

69.93

31

提供者:无......有

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69.23。

2019-05-30 05:10:06

69.23

32

提供者:天天向上

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66.43。

2019-04-26 16:09:09

66.43

33

提供者:begins

batch数据为32,循环次数为800次,损失函数优化完,最终完成评分为63.64。

2019-04-27 19:10:13

63.64

34

提供者:Nightingale

batch数据为128,循环次数为300次,损失函数优化完,最终完成评分为62.24。

2019-05-26 12:10:43

62.24

35

提供者:rock

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60.14。

2019-09-23 07:18:43

60.14

36

提供者:poplar

batch数据为32,循环次数为8000次,损失函数优化完,最终完成评分为56.64。

2019-06-05 16:33:46

56.64

37

提供者:兔子是菜鸟

batch数据为32,循环次数为2次,损失函数优化完,最终完成评分为51.05。

2019-04-28 22:24:50

51.05

38

提供者:chopin1556525988

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48.95。

2019-04-30 22:51:42

48.95

39

提供者:悟悟悟

batch数据为256,循环次数为300次,损失函数优化完,最终完成评分为44.76。

2019-04-28 18:00:11

44.76

40

提供者:哇咔咔

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44.76。

2019-04-28 23:59:55

44.76

41

提供者:飓风神龙

batch数据为128,循环次数为50次,损失函数优化完,最终完成评分为44.76。

2019-06-18 22:22:01

44.76

42

提供者:AiFool

batch数据为128,循环次数为10次,损失函数优化完,最终完成评分为44.76。

2019-06-19 11:39:53

44.76

43

提供者:心语滑落指尖

batch数据为128,循环次数为32次,损失函数优化完,最终完成评分为44.76。

2019-07-08 02:59:52

44.76

44

提供者:Mengcius

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44.76。

2019-09-19 14:39:24

44.76

45

提供者:Biao_Ge

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44.06。

2019-09-11 00:29:33

44.06

46

提供者:czj520

batch数据为50,循环次数为1次,损失函数优化完,最终完成评分为0。

2019-09-01 16:20:58

0.00

2019-06-06
喵喵

模型得分为87.41,本次获得排名奖奖金为125

2019-06-06 15:00:01

看你很6哦

模型得分为93.01,本次获得排名奖奖金为187.5

2019-06-06 15:00:01

你猜猜我是谁

模型得分为95.8,本次获得排名奖奖金为312.5

2019-06-06 15:00:01

2019-05-25
喵喵

模型得分为87.41,本次获得排名奖奖金为125

2019-05-25 15:00:01

看你很6哦

模型得分为93.01,本次获得排名奖奖金为187.5

2019-05-25 15:00:01

你猜猜我是谁

模型得分为95.8,本次获得排名奖奖金为312.5

2019-05-25 15:00:01

2019-05-07
看你很6哦

模型得分为93.01,本次获得实时奖励奖金为56.25

2019-05-07 12:49:42

喵喵

模型得分为87.41,本次获得实时奖励奖金为1.88

2019-05-07 12:49:32

善假于物

模型得分为85.31,本次获得实时奖励奖金为3.75

2019-05-07 12:49:29

你猜猜我是谁

模型得分为95.8,本次获得实时奖励奖金为298.75

2019-05-07 12:49:20

火炎焱燚

模型得分为86.01,本次获得实时奖励奖金为157.5

2019-05-07 12:48:32

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.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