Intel场景分类挑战赛

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

此数据集来自英特尔场景分类挑战赛。数据集共包含森林、街道、海景等6个场景,共24335张图片。

赛事主题和数据说明

赛题描述

通过迭代自己的算法模型并提交训练,获取奖金池高额奖金。

数据来源

intelSceneClassification

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 5 场景类别

输入字段: image_path,

输出字段: label,

参考文献:

[1]https://www.kaggle.com/dipam7/intel-data-scene

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:围生

暂未公开
batch数据为64,循环次数为1次,损失函数优化完,最终完成评分为99.18。

2019-04-01 20:17:36

99.18

暂未公开
第三名

提供者:玄学上分

大神经验
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95.01。

2019-03-29 23:18:44

95.01

大神经验
第三名

提供者:trick_or_treat

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94.13。

2019-03-30 03:10:33

94.13

暂未公开
4

提供者:KG

大神经验
batch数据为64,循环次数为5000次,损失函数优化完,最终完成评分为93.81。

2019-03-30 22:08:54

93.81

大神经验
5

提供者:善假于物

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93.81。

PyTorch

ResNet18

2019-03-31 07:19:15

93.81

暂未公开
6

提供者:天天向上

大神经验
batch数据为32,循环次数为5000次,损失函数优化完,最终完成评分为93.72。

2019-03-31 09:04:50

93.72

大神经验
7

提供者:興趣使然的吃瓜少年

大神经验
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92.96。

2019-03-31 04:32:48

92.96

大神经验
8

提供者:RandomYC

大神经验
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92.66。

2019-03-31 08:35:53

92.66

大神经验
9

提供者:cclxx

大神经验
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92.37。

2019-04-01 13:04:30

92.37

大神经验
10

提供者:mingda

暂未公开
batch数据为64,循环次数为10000次,损失函数优化完,最终完成评分为91.96。

2019-04-01 14:41:10

91.96

暂未公开
11

提供者:科科

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91.9。

2019-04-01 23:21:33

91.90

暂未公开
12

提供者:Daiccccc

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91.69。

2019-03-30 01:36:18

91.69

暂未公开
13

提供者:火炎焱燚

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91.58。

2019-04-04 12:27:47

91.58

暂未公开
14

提供者:ChangeBio

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91.55。

Pretrained

DenseNet121

2019-04-28 19:35:13

91.55

暂未公开
15

提供者:周阳

暂未公开
batch数据为128,循环次数为6000次,损失函数优化完,最终完成评分为91.31。

2019-04-02 12:51:49

91.31

暂未公开
16

提供者:梯度下降

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91.02。

2019-04-01 20:05:40

91.02

暂未公开
17

提供者:Hlic

暂未公开
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90.75。

2019-04-01 10:21:55

90.75

暂未公开
18

提供者:lyming

暂未公开
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90.49。

2019-03-30 01:55:37

90.49

暂未公开
19

提供者:唱跳RAP打篮球

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89.96。

2019-04-01 17:20:56

89.96

暂未公开
20

提供者:生

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89.82。

2019-03-31 12:20:31

89.82

暂未公开
21

提供者:Hallo

暂未公开
batch数据为128,循环次数为2222次,损失函数优化完,最终完成评分为89.67。

2019-03-30 00:55:47

89.67

暂未公开
22

提供者:小北

暂未公开
batch数据为64,循环次数为240次,损失函数优化完,最终完成评分为89.58。

2019-03-30 20:19:30

89.58

暂未公开
23

提供者:篠筱筱

暂未公开
batch数据为32,循环次数为1500次,损失函数优化完,最终完成评分为88.58。

2019-04-02 10:24:40

88.58

暂未公开
24

提供者:Joker Song

暂未公开
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88.55。

PyTorch

resnet34

2019-04-04 11:18:48

88.55

暂未公开
25

提供者:troublemaker

暂未公开
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88.38。

2019-03-31 02:00:19

88.38

暂未公开
26

提供者:丶人狠话不多

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88.2。

2019-04-01 21:18:00

88.20

暂未公开
27

提供者:我吃定了这第一

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87.82。

2019-04-01 22:03:27

87.82

暂未公开
28

提供者:统治了宇宙的外星人

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87.73。

2019-03-30 14:42:41

87.73

暂未公开
29

提供者:sytv587

暂未公开
batch数据为256,循环次数为400次,损失函数优化完,最终完成评分为87.11。

2019-03-30 22:17:22

87.11

暂未公开
30

提供者:红色的小蓝帽

暂未公开
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87。

PyTorch

DenseNet121

2019-03-29 21:39:34

87.00

暂未公开
31

提供者:你猜猜我是谁

暂未公开
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86.79。

2019-03-30 11:05:53

86.79

暂未公开
32

提供者:玥神

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85.53。

2019-03-29 23:49:11

85.53

暂未公开
33

提供者:Teenage Dream

暂未公开
batch数据为64,循环次数为8000次,损失函数优化完,最终完成评分为85.38。

2019-04-01 15:38:20

85.38

暂未公开
34

提供者:reallocing

暂未公开
batch数据为128,循环次数为1000次,损失函数优化完,最终完成评分为85.18。

2019-04-08 17:47:16

85.18

暂未公开
35

提供者:yangsmile

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85.03。

2019-04-19 21:06:41

85.03

暂未公开
36

提供者:lightning-zgc

暂未公开
batch数据为32,循环次数为10000次,损失函数优化完,最终完成评分为84.74。

2019-04-02 17:54:10

84.74

暂未公开
37

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84.41。

2019-03-30 10:03:56

84.41

暂未公开
38

提供者:全世界都在为你让路

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83.03。

2019-04-01 17:55:18

83.03

暂未公开
39

提供者:就是很任性

暂未公开
batch数据为32,循环次数为10000次,损失函数优化完,最终完成评分为82.89。

2019-03-31 11:08:02

82.89

暂未公开
40

提供者:江枫渔火

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82.57。

2019-03-30 23:39:04

82.57

暂未公开
41

提供者:笑尘

暂未公开
batch数据为512,循环次数为401次,损失函数优化完,最终完成评分为82.3。

2019-03-30 15:54:28

82.30

暂未公开
42

提供者:zhiduanqingchang

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82.1。

2019-04-01 06:56:54

82.10

暂未公开
43

提供者:kongd

暂未公开
batch数据为64,循环次数为1800次,损失函数优化完,最终完成评分为82.07。

2019-03-31 00:20:45

82.07

暂未公开
44

提供者:静水流深

暂未公开
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82.07。

2019-04-02 09:45:55

82.07

暂未公开
45

提供者:Value_H

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81.86。

2019-04-01 11:24:20

81.86

暂未公开
46

提供者:张宇廷

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81.8。

2019-04-01 16:07:06

81.80

暂未公开
47

提供者:楚

暂未公开
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81.66。

2019-04-01 15:45:14

81.66

暂未公开
48

提供者:Seeney

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81.33。

2019-04-01 07:11:06

81.33

暂未公开
49

提供者:FlyAI

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80.6。

2019-07-04 16:31:57

80.60

暂未公开
50

提供者:cactus_6

暂未公开
batch数据为32,循环次数为10000次,损失函数优化完,最终完成评分为80.48。

2019-03-30 14:25:05

80.48

暂未公开
51

提供者:喵喵

暂未公开
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80.48。

2019-04-25 10:53:14

80.48

暂未公开
52

提供者:Kyle_gkm

暂未公开
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80.28。

2019-04-01 05:45:32

80.28

暂未公开
53

提供者:心语滑落指尖

暂未公开
batch数据为128,循环次数为1000次,损失函数优化完,最终完成评分为80.28。

2019-04-01 22:54:59

80.28

暂未公开
54

提供者:wrzhenian

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79.4。

2019-07-10 11:11:26

79.40

暂未公开
55

提供者:我的爱在西元前1554081999

暂未公开
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77.9。

2019-04-01 20:36:18

77.90

暂未公开
56

提供者:圣

暂未公开
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77.52。

2019-03-30 13:21:39

77.52

暂未公开
57

提供者:w3217988

暂未公开
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69.03。

2019-03-29 22:41:30

69.03

暂未公开
58

提供者:沐阳听风

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66.77。

2019-03-30 23:20:23

66.77

暂未公开
59

提供者:若,只如初见

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64.02。

2019-04-12 13:58:56

64.02

暂未公开
60

提供者:SHine

暂未公开
batch数据为16,循环次数为100次,损失函数优化完,最终完成评分为54.98。

PyTorch

resnet101

2019-04-03 19:57:27

54.98

暂未公开
61

提供者:lit_w

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50.87。

2019-04-01 23:26:32

50.87

暂未公开
62

提供者:哇咔咔

暂未公开
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47.08。

2019-04-01 23:56:29

47.08

暂未公开
63

提供者:在北等你

暂未公开
batch数据为2,循环次数为800次,损失函数优化完,最终完成评分为40.77。

2019-03-30 18:13:14

40.77

暂未公开
64

提供者:DLin

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30.29。

2019-04-01 22:55:34

30.29

暂未公开
65

提供者:毛利

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25.98。

2019-08-07 02:18:48

25.98

暂未公开
66

提供者:hjxl_dww

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21.72。

2019-04-01 11:45:16

21.72

暂未公开
67

提供者:cube777

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18.49。

2019-04-01 09:41:18

18.49

暂未公开
68

提供者:王桢

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17.2。

2019-04-01 02:13:37

17.20

暂未公开
第一名
Biao_Ge 2019-09-08 02:58:10
2019-09-08 02:58:10
91.14
第二名
PH 2019-09-02 00:26:52
2019-09-02 00:26:52
89.55
第三名
latalio 2019-10-11 17:16:46
2019-10-11 17:16:46
86
4
余生有我 2019-08-23 18:21:32
2019-08-23 18:21:32
77.16
5
大佬带带我 2019-08-23 22:01:34
2019-08-23 22:01:34
77.16
6
Liuzhongsheng 2019-08-30 12:06:49
2019-08-30 12:06:49
77.16
7
benjaminlinken 2019-08-31 14:54:27
2019-08-31 14:54:27
77.16
8
2019-09-07 11:06:14
2019-09-07 11:06:14
77.16
9
sudoku 2019-10-19 22:04:19
2019-10-19 22:04:19
77.16
10
2019-08-23 14:08:00
2019-08-23 14:08:00
35.07
11
比如说 2019-09-25 01:54:13
2019-09-25 01:54:13
28.79

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