Intel场景分类挑战赛

分享给好友

剩余奖金 ¥ 0

立即报名

立即报名

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。

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?

  • 请在项目详情页点击【立即报名】按钮,首次需验证手机号、完善报名信息
  • 请点击本页的【资料下载】按钮,下载参赛资料并详细阅读README.md文件

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
  • 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
  • 禁止私下与队伍成员之外的人员分享代码和数据,鼓励在大赛交流群与所有参赛选手公开讨论
  • 参赛选手需自行检查提交作品的正确性,确认无误后再进行提交,如有任何提交问题导致成绩有误,主办方概不负责
  • 参赛作品必须保证原创性,不违反任何中华人民共和国的有关法律,不侵犯任何第三方知识产权或其它权利,如有发现并查证,主办方将取消其比赛资格、成绩

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)
FlyAI挑战奖 所有挑战者 奖金获取标准:70<Score 更新自己的算法得分可再次获得差额奖金
新框架奖励 所有人 项目中首次使用排行榜中未出现的新框架搭建模型,可获得60FAI币额外积分奖励

备注:

  • 超过项目标准得分即可获得奖金,分值差距越大,所获奖金比例越高;
  • 按照所有挑战者提交作品时间先后,后台审核作品并更新到排行榜中, 【Score】未达奖金获取标准可显示在排行榜中,但无法获取奖金;
  • 奖金额度获取评判指标说明:【Bouns】表示奖金池总额度;【Score】表示模型得分;
  • 本项目难度系数 k = 0.15
  • 系统自动评判模型Score。奖金获取额度计算公式如下:
  • 奖金计算公式

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

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:

比赛常见问题说明

Q:如何查看数据集?

  • 请在【赛事主题和数据描述>数据来源】点击文字链接查看原始数据集

Q:如何顺利提交作品并训练?

  • 请查看本详情页右侧栏提交指南代码命令提示,根据flyai命令提交作品并训练

Q:提交样例代码是否可获得比赛奖金?

  • 不可以。样例代码仅供开发者学习参考,如提交相似代码,不会通过人工审核且无法获取奖励

展开

排行榜

(每日 24 时更新)

1

提供者:围生

10.00

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99.18。

2019-04-01 03:48:21

10.00

99.18

2

提供者:玄学上分

1006.00

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95.01。

2019-03-29 23:18:44

1006.00

95.01

3

提供者:baseline

935.00

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

935.00

94.13

4

提供者:无名小辈

10.00

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93.98。

2019-04-03 00:22:13

10.00

93.98

5

提供者:KG

81.00

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

81.00

93.81

6

提供者:善假于物

882.00

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93.81。

PyTorch

ResNet18

2019-03-31 07:19:15

882.00

93.81

7

提供者:天天向上

258.00

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

258.00

93.72

8

提供者:興趣使然的吃瓜少年

679.00

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

679.00

92.96

9

提供者:RandomYC

124.00

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92.66。

2019-03-31 08:35:53

124.00

92.66

10

提供者:cclxx

376.00

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

376.00

92.37

11

提供者:mingda

10.00

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。

PyTorch

Inception

2019-04-01 14:41:10

10.00

91.96

12

提供者:科科

10.00

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

10.00

91.90

13

提供者:Daiccccc

759.00

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

759.00

91.69

14

提供者:火炎焱燚

10.00

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91.58。

2019-04-04 12:27:47

10.00

91.58

15

提供者:周阳

10.00

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

10.00

91.31

16

提供者:梯度下降

10.00

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

10.00

91.02

17

提供者:Hlic

10.00

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90.75。

2019-04-01 10:21:55

10.00

90.75

18

提供者:lyming

684.00

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

684.00

90.49

19

提供者:baselinе

10.00

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

10.00

89.96

20

提供者:生

552.00

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

552.00

89.82

21

提供者:Hallo

637.00

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

637.00

89.67

22

提供者:小北

10.00

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

10.00

89.58

23

提供者:篠筱筱

10.00

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

10.00

88.58

24

提供者:Joker Song

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

25

提供者:troublemaker

10.00

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88.38。

2019-03-31 02:00:19

10.00

88.38

26

提供者:丶favor

10.00

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

10.00

88.20

27

提供者:我要起床学习了

10.00

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87.82。

2019-04-01 22:03:27

10.00

87.82

28

提供者:统治了宇宙的外星人

210.00

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

210.00

87.73

29

提供者:sytv587

10.00

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

10.00

87.11

30

提供者:红色的小蓝帽

502.00

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87。

PyTorch

DenseNet121

2019-03-29 21:39:34

502.00

87.00

31

提供者:令狐冲

408.00

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

408.00

86.79

32

提供者:玥神

440.00

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

440.00

85.53

33

提供者:Teenage Dream

10.00

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

10.00

85.38

34

提供者:reallocing

10.00

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

10.00

85.18

35

提供者:杨烁

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

36

提供者:lightning-zgc

10.00

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。

Keras

NASNet

2019-04-02 17:54:10

10.00

84.74

37

提供者:zeng-_-|

224.00

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84.41。

2019-03-30 10:03:56

224.00

84.41

38

提供者:全世界都在为你让路

10.00

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

10.00

83.03

39

提供者:Matthew

283.00

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

283.00

82.89

40

提供者:江枫渔火

290.00

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82.57。

2019-03-30 23:39:04

290.00

82.57

41

提供者:笑尘

10.00

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

10.00

82.30

42

提供者:zhiduanqingchang

10.00

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

10.00

82.10

43

提供者:Flipped

10.00

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

10.00

82.07

44

提供者:静水流深

10.00

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82.07。

2019-04-02 09:45:55

10.00

82.07

45

提供者:Value_H

10.00

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

10.00

81.86

46

提供者:张宇廷

10.00

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81.8。

2019-04-01 16:07:06

10.00

81.80

47

提供者:楚

10.00

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81.66。

2019-04-01 15:45:14

10.00

81.66

48

提供者:Ant_

10.00

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

10.00

81.33

49

提供者:cactus_6

144.00

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

144.00

80.48

50

提供者:心语滑落指尖

10.00

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

10.00

80.28

51

提供者:Kyle_gkm

10.00

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80.28。

2019-04-01 05:45:32

10.00

80.28

52

提供者:我的爱在西元前1554081999

10.00

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

10.00

77.90

53

提供者:圣

10.00

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77.52。

2019-03-30 13:21:39

10.00

77.52

54

提供者:w3217988

10.00

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

10.00

69.03

55

提供者:沐阳听风

10.00

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66.77。

2019-03-30 23:20:23

10.00

66.77

56

提供者:若,只如初见

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

57

提供者:SHine

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。

2019-04-03 19:57:27

54.98

58

提供者:lit_w

10.00

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

10.00

50.87

59

提供者:哇咔咔

10.00

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47.08。

2019-04-01 23:56:29

10.00

47.08

60

提供者:在北等你

10.00

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

10.00

40.77

61

提供者:Zlin丶

10.00

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30.29。

2019-04-01 22:55:34

10.00

30.29

62

提供者:hjxl_dww

10.00

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

10.00

21.72

63

提供者:cube777

10.00

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

10.00

18.49

64

提供者:王桢

10.00

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

10.00

17.20

万元奖金等你拿,挑战者,都在 FlyAI

点击立即报名

下载参赛资料

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

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

下载完成之后,执行下列命令并使用微信扫码登录

./flyai init

登录成功之后,会自动下载运行所需环境

4. 本地开发调试

执行

./flyai test

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

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

默认训练成功后不公开在项目排行榜中,公开项目需在提交训练时执行

./flyai train -p=1

完整训练设置执行代码示例:

./flyai train -p=1 -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 ,公开提交模型

$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

报名成功!

感谢您的参与!点击 下载资料 并及时提交您的作品

下载资料

打开微信,使用扫一扫功能分享给好友