- 赛事介绍
- 竞赛排行榜
- 奖金记录
- 讨论($vue{comment_count})
- 学习资源
 
				
					
										
											大赛简介
											
																									这个数据集为手语识别(Sign Language Recognition),识别500个类别的手语单词。数据集包含了超过11万的样本,每个样本都包含了25个人体关键点的位置轨迹。
																																			 
																						
											
																							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
												
												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
												
													- 参赛选手需要配合组委会对比赛作品的有效性与真实性进行验证
- 不同团队/个人,提交相似结果文件,取消双方所有人员参赛资格
- 多开小号报名、提交,一经发现将取消参赛资格
- 禁止使用外部链接下载代码替换本项目代码
- 比赛过程中,通过脚本获取比赛数据,成绩无效
- 使用线上测试集进行训练或者使用非官方提供的外部数据进行训练,成绩无效
- 使用的预训练模型需为FlyAI官方审核通过的模型,使用非官方验证预训练模型,成绩无效
- 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) | 
													
													
																													
																| FlyAI挑战奖 | 所有挑战者 | 奖金获取标准:60<Score  按照得分比例获取奖金池金额 | 
																													
																| 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 | 
																											
												
																								
																																															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。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
												
																											SLR1
																									
																						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。
																							字段说明:
											
																							
														
															| 文件名 | 字段名称 | 字段类型 | 备注 | 
													
													
																													
																| path | string | 不为空 | 记录轨迹的文件路径,每一行一个视频帧中的25个人体关键点 | 
																													
																| label | string | 不为空 | 类别 | 
																											
																						
											
																							参考文献:
																																							[1]Chinese Sign Language Recognition Dataset
																																																										评审标准
											算法输入输出格式
																																						
														输入字段:
																													path,
																											
																																																															
														输出字段:
																													label,
																											
																																				
																						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。
 
									 
					 
				
					
																					超过 60分 的成绩会在48小时内更新到排行榜,不要着急哦!
																		
					
										
																											
																							
											
																						
											
												
												batch数据为256,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为94.89。
												
											 
																							
																					 
																													
																							
											
																						
											
												
												batch数据为128,循环次数为20次,通过在线上环境完成训练,模型最优精度评分为93.68。
												
											 
																							
																					 
																													
																							
											
																						
											
												
												batch数据为512,循环次数为4000次,通过在线上环境完成训练,模型最优精度评分为93.05。
												
											 
																							
																					 
																													
																							
											
																						
																									4
																							
											
												
												batch数据为256,循环次数为10000次,通过在线上环境完成训练,模型最优精度评分为91.00。
												
											 
																							
																					 
																													
																							
											
																						
																									5
																							
											
												
												batch数据为128,循环次数为5000次,通过在线上环境完成训练,模型最优精度评分为81.91。
												
											 
																							
																					 
																													
																							
											
																						
																									6
																							
											
												
												batch数据为1,循环次数为1次,通过在线上环境完成训练,模型最优精度评分为64.62。
												
											 
																							
																					 
																													
																							
											
																						
																									7
																							
											
												
												batch数据为64,循环次数为2000次,通过在线上环境完成训练,模型最优精度评分为63.56。
												
											 
																							
																					 
																													
																							
											
																						
																									8
																							
											
												
												batch数据为1000,循环次数为2000次,通过在线上环境完成训练,模型最优精度评分为52.22。
												
											 
																							
																					 
																													
																							
											
																						
																									9
																							
											
												
												batch数据为800,循环次数为1600次,通过在线上环境完成训练,模型最优精度评分为49.17。
												
											 
																							
																					 
																													
																							
											
																						
																									10
																							
											
												
												batch数据为16,循环次数为3000次,通过在线上环境完成训练,模型最优精度评分为36.51。
												
											 
																							
																					 
																													
																							
											
																						
																									11
																							
											
												
												batch数据为128,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为21.41。
												
											 
																							
																					 
																													
																							
											
																						
																									12
																							
											
												
												batch数据为512,循环次数为500次,通过在线上环境完成训练,模型最优精度评分为7.65。
												
											 
																							
																					 
																													
																							
											
																						
																									13
																							
											
												
												batch数据为64,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为6.25。
												
											 
																							
																					 
																													
																							
											
																						
																									14
																							
											
												
												batch数据为256,循环次数为200次,通过在线上环境完成训练,模型最优精度评分为3.25。
												
											 
																							
																					 
																													
																							
											
																						
																									15
																							
											
												
												batch数据为512,循环次数为12次,通过在线上环境完成训练,模型最优精度评分为2.17。
												
											 
																							
																					 
																													
																							
											
																						
																									16
																							
											
												
												batch数据为32,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为1.54。
												
											 
																							
																					 
																													
																							
											
																						
																									17
																							
											
												
												batch数据为64,循环次数为60次,通过在线上环境完成训练,模型最优精度评分为1.54。
												
											 
																							
																					 
																													
																							
											
																						
																									18
																							
											
												
												batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为1.54。
												
											 
																							
																					 
																													
																							
											
																						
																									19
																							
											
												
												batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为1.54。
												
											 
																							
																					 
																													
																							
											
																						
																									20
																							
											
												
												batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为1.54。
												
											 
																							
																					 
																													
																							
											
																						
																									21
																							
											
												
												batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为1.54。
												
											 
																							
																					 
																													
																							
											
																						
																									22
																							
											
												
												batch数据为32,循环次数为100次,通过在线上环境完成训练,模型最优精度评分为1.54。
												
											 
																							
																					 
																													
																							
											
																						
																									23
																							
											
												
												batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为1.54。
												
											 
																							
																					 
																													
																							
											
																						
																									24
																							
											
												
												batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为1.54。
												
											 
																							
																					 
																													
																							
											
																						
																									25
																							
											
												
												batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为1.54。
												
											 
																							
																					 
																													
																							
											
																						
																									26
																							
											
												
												batch数据为64,循环次数为50次,通过在线上环境完成训练,模型最优精度评分为1.54。
												
											 
																							
																					 
																													
																							
											
																						
																									27
																							
											
												
												batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为1.54。
												
											 
																							
																					 
																													
																							
											
																						
																									28
																							
											
												
												batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为1.54。
												
											 
																							
																					 
																													
																							
											
																						
																									29
																							
											
												
												batch数据为64,循环次数为128次,通过在线上环境完成训练,模型最优精度评分为1.54。
												
											 
																							
																					 
																													
																							
											
																						
																									30
																							
											
												
												batch数据为80,循环次数为80次,通过在线上环境完成训练,模型最优精度评分为1.54。
												
											 
																							
																					 
																													
																							
											
																						
																									31
																							
											
												
												batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为1.54。
												
											 
																							
																					 
																													
																							
											
																						
																									32
																							
											
												
												batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为1.54。
												
											 
																							
																					 
																													
																							
											
																						
																									33
																							
											
												
												batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为1.54。
												
											 
																							
																					 
																													
																							
											
																						
																									34
																							
											
												
												batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为1.54。
												
											 
																							
																					 
																													
																							
											
																						
																									35
																							
											
												
												batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为1.54。
												
											 
																							
																					 
																													
																							
											
																						
																									36
																							
											
												
												batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为1.54。
												
											 
																							
																					 
																													
																							
											
																						
																									37
																							
											
												
												batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为1.54。
												
											 
																							
																					 
																													
																							
											
																						
																									38
																							
											
												
												batch数据为128,循环次数为100次,通过在线上环境完成训练,模型最优精度评分为1.54。
												
											 
																							
																					 
																													
																							
											
																						
																									39
																							
											
												
												batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为1.54。
												
											 
																							
																					 
																													
																							
											
																						
																									40
																							
											
												
												batch数据为64,循环次数为100次,通过在线上环境完成训练,模型最优精度评分为1.54。
												
											 
																							
																					 
																													
																							
											
																						
																									41
																							
											
												
												batch数据为16,循环次数为13次,通过在线上环境完成训练,模型最优精度评分为1.54。
												
											 
																							
																					 
																													
																							
											
																						
																									42
																							
											
												
												batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为1.54。
												
											 
																							
																					 
																													
																							
											
																						
																									43
																							
											
												
												batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为1.54。
												
											 
																							
																					 
																													
																							
											
																						
																									44
																							
											
												
												batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为1.54。
												
											 
																							
																					 
																													
																							
											
																						
																									45
																							
											
												
												batch数据为256,循环次数为1500次,通过在线上环境完成训练,模型最优精度评分为1.54。
												
											 
																							
																					 
																													
																							
											
																						
																									46
																							
											
												
												batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为1.54。
												
											 
																							
																					 
																													
																							
											
																						
																									47
																							
											
												
												batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为1.54。
												
											 
																							
																					 
																													
																							
											
																						
																									48
																							
											
												
												batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为1.54。
												
											 
																							
																					 
																													
																							
											
																						
																									49
																							
											
												
												batch数据为64,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为1.54。
												
											 
																							
																					 
																													
																							
											
																						
																									50
																							
											
												
												batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为1.54。
												
											 
																							
																					 
																													
																							
											
																						
																									51
																							
											
												
												batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为1.54。
												
											 
																							
																					 
																													
																							
											
																						
																									52
																							
											
												
												batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为1.54。
												
											 
																							
																					 
																													
																							
											
																						
																									53
																							
											
												
												batch数据为2,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为1.54。
												
											 
																							
																					 
																													
																							
											
																						
																									54
																							
											
												
												batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为1.54。
												
											 
																							
																					 
																													
																							
											
																						
																									55
																							
											
												
												batch数据为500,循环次数为32次,通过在线上环境完成训练,模型最优精度评分为1.54。
												
											 
																							
																					 
																													
																							
											
																						
																									56
																							
											
												
												batch数据为64,循环次数为200次,通过在线上环境完成训练,模型最优精度评分为1.37。
												
											 
																							
																					 
																													
																							
											
																						
																									57
																							
											
												
												batch数据为128,循环次数为10000次,通过在线上环境完成训练,模型最优精度评分为0.40。
												
											 
																							
																					 
																													
																							
											
																						
																									58
																							
											
												
												batch数据为32,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为0.33。
												
											 
																							
																					 
																													
																							
											
																						
																									59
																							
											
												
												batch数据为32,循环次数为200次,通过在线上环境完成训练,模型最优精度评分为0.28。
												
											 
																							
																					 
																													
																							
											
																						
																									60
																							
											
												
												batch数据为500,循环次数为32次,通过在线上环境完成训练,模型最优精度评分为0.27。
												
											 
																							
																					 
																													
																							
											
																						
																									61
																							
											
												
												batch数据为32,循环次数为100次,通过在线上环境完成训练,模型最优精度评分为0.23。
												
											 
																							
																					 
																													
																							
											
																						
																									62
																							
											
												
												batch数据为64,循环次数为100次,通过在线上环境完成训练,模型最优精度评分为0.20。
												
											 
																							
																					 
																													
																							
											
																						
																									63
																							
											
												
												batch数据为128,循环次数为100次,通过在线上环境完成训练,模型最优精度评分为0.00。
												
											 
																							
																					 
															 
				    
				 
				
				
									
					
						
																																	
																									
										- 梯度下降
- 
											模型得分为93.68,本次获得实时奖励奖金为555元 2019-04-02 23:47:07 
																									
										- 梯度下降
- 
											模型得分为92.57,本次获得实时奖励奖金为358元 2019-04-02 11:42:25 
										- 善假于物
- 
											模型得分为92.18,本次获得实时奖励奖金为179元 2019-04-02 08:47:48 
																									
										- 樊^2 = -1
- 
											模型得分为0.28,本次获得实时奖励奖金为10元 2019-04-01 19:57:25 
										- 看你很6哦
- 
											模型得分为0.33,本次获得实时奖励奖金为10元 2019-04-01 18:47:34 
																									
										- 善假于物
- 
											模型得分为86.39,本次获得实时奖励奖金为562元 2019-03-31 08:01:06 
										- RandomYC
- 
											模型得分为7.08,本次获得实时奖励奖金为10元 2019-03-31 04:02:44 
																									
										- Hallo
- 
											模型得分为0.2,本次获得实时奖励奖金为10元 2019-03-30 21:46:26 
										- 梯度下降
- 
											模型得分为53.03,本次获得实时奖励奖金为10元 2019-03-30 18:44:19 
										- 善假于物
- 
											模型得分为4.36,本次获得实时奖励奖金为10元 2019-03-30 17:31:07 
										- trick_or_treat
- 
											模型得分为1.01,本次获得实时奖励奖金为10元 2019-03-30 14:33:12 
																									
										- 你猜猜我是谁
- 
											模型得分为16.62,本次获得实时奖励奖金为10元 2019-03-30 03:03:40 
										- cclxx
- 
											模型得分为45.47,本次获得实时奖励奖金为10元 2019-03-30 02:34:51 
										- zhiduanqingchang
- 
											模型得分为6.25,本次获得实时奖励奖金为10元 2019-03-30 01:17:14 
										- lyming
- 
											模型得分为18.61,本次获得实时奖励奖金为10元 2019-03-30 00:07:15 
										- 玄学上分
- 
											模型得分为21.41,本次获得实时奖励奖金为10元 2019-03-29 22:09:25