密集场景行人检测

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

这是一个更加符合真实世界的密集行人检测数据集,图像广泛选择自生活中的各种场景,共9000张标注图,用于训练和开发更加具有现实世界实用性的人物检测模型和算法。数据标签一共有五类,在评估时只考虑前三类,分别为行人,骑行的人和部分遮挡的人。其中训练集、验证集和测试集划分比例为6:2:2.

对应的标签数据说明:每行格式为 label, x_min, y_min, x_max, y_max.

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:2020-01-16
  • 月排名奖结算时间:2020-02-14 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
  • 排名奖发放完毕前5名参赛者需提供文档格式赛题解决思路和15分钟以上的PPT答辩视频(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
img_path string 不为空 图片的相对路径
label_path string 不为空 标签的相对路径

输入字段: img_path,

输出字段: label_path,

评审标准

评审指标说明

  • mAP: mean Average Precision, 即各类别AP的平均值
  • AP: Precision-Recall曲线下的面积
  • 其中在计算AP时,IOU阈值设置为0.5
  • 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
超过80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:史开杰

batch数据为5,循环次数为32次,损失函数优化完,最终完成评分为50.67。

2020-02-08 19:10:19

50.67

第三名

提供者:1+1=⑨

batch数据为4,循环次数为30次,损失函数优化完,最终完成评分为50.47。

2020-02-06 21:09:31

50.47

第三名

提供者:一口大怪兽

batch数据为4,循环次数为30次,损失函数优化完,最终完成评分为50.14。

2020-01-18 22:34:49

50.14

4

提供者:mingda

batch数据为8,循环次数为20次,损失函数优化完,最终完成评分为49.78。

2020-01-21 03:04:16

49.78

5

提供者:qqm

batch数据为4,循环次数为40次,损失函数优化完,最终完成评分为48.9。

2020-02-01 10:09:28

48.90

6

提供者:FastAI可解释性差

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44.91。

2020-01-17 11:13:17

44.91

7

提供者:zhr

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42.24。

2020-01-18 20:24:36

42.24

8

提供者:malena

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40.08。

2020-01-18 20:15:34

40.08

9

提供者:chenfengshf

batch数据为5,循环次数为1次,损失函数优化完,最终完成评分为39.39。

2020-01-22 17:29:19

39.39

10

提供者:sigmoid

batch数据为8,循环次数为1次,损失函数优化完,最终完成评分为34.06。

2020-01-19 16:52:24

34.06

11

提供者:绿肥红瘦

batch数据为10,循环次数为10次,损失函数优化完,最终完成评分为31.56。

2020-02-02 22:56:49

31.56

12

提供者:江水

batch数据为6,循环次数为32次,损失函数优化完,最终完成评分为30.11。

2020-01-19 17:36:13

30.11

13

提供者:乐百事

batch数据为10,循环次数为1次,损失函数优化完,最终完成评分为27.33。

2020-01-28 18:16:51

27.33

14

提供者:WYC

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27.16。

2020-02-13 17:48:18

27.16

15

提供者:天涯·明月·刀

batch数据为1,循环次数为32次,损失函数优化完,最终完成评分为23.71。

2020-01-20 15:39:44

23.71

16

提供者:美式半糖不加奶

batch数据为10,循环次数为30次,损失函数优化完,最终完成评分为3.23。

2020-01-18 21:49:21

3.23

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 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