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
  • 禁止私下与参赛选手分享代码,查出相似代码(包括微调参数)成绩无效
  • 多个账号提交相似代码,成绩无效
  • 同一用户多开账号提交相似代码,成绩无效
  • 不同账号在不同项目中提交相似代码,双方成绩无效
  • 禁止使用外部链接下载代码替换本项目代码
  • 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

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: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91.55。

Pretrained

DenseNet121

2019-04-28 19:35:13

91.55

16

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

17

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

18

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

19

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

20

提供者:八级大狂风

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

21

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

22

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

23

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

24

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

25

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

26

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

27

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

28

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

29

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

30

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

31

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

32

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

33

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

34

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

35

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

36

提供者:yangsmile

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

37

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

38

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

39

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

40

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

41

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

42

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

43

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

44

提供者:kongd

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

45

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

46

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

47

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

48

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

49

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

50

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

51

提供者:喵喵

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

52

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

53

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

54

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

55

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

56

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

57

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

58

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

59

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。

PyTorch

resnet101

2019-04-03 19:57:27

54.98

60

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

61

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

62

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

63

提供者:DLin

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

64

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

65

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

66

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

  • windows客户端
  • windows命令行
  • Mac/Linux
1. 下载项目并解压
2.进入到项目目录下,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.本地开发调试

运行flyai.exe程序,点击"本地调试"按钮,输入循环次数和数据量,点击运行即可调用main.py

如果使用本地IDE开发,需要执行安装“flyai”依赖并导入项目,运行main.py

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"提交到GPU"按钮,输入循环次数和数据量,点击运行即可提交到GPU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

1. 下载项目并解压
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

首先进入到项目对应的磁盘中,然后执行

cd path\to\project

Windows用户使用 flyai.exe

4. 本地开发调试

执行下列命令本地安装环境并调试(第一次使用需要使用微信扫码登录)

flyai.exe test

执行test命令,会自动下载100条测试数据到项目下

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.exe 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

完整训练设置执行代码示例:

flyai.exe train -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 。

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

4. 本地开发调试

执行下列命令本地安装环境并调试(第一次使用需要使用微信扫码登录)

./flyai test 注意:命令前面不要加sudo

执行test命令,会自动下载100条测试数据到项目下

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 注意:命令前面不要加sudo

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

完整训练设置执行代码示例:

./flyai train -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 。

$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'}

感谢您的参与!点击 下载资料 并及时提交您的作品

您在当前领域能力值未达到参赛标准,
请选择符合能力标准的项目哦!

下载资料

打开微信,使用扫一扫功能分享给好友