Intel场景分类挑战赛

分享给好友

2019-05-05 15:00:00
开始提交

2019-06-04 15:00:00
最终提交结束

自由训练

参赛权限提示

当前赛题需能力值达到 $vue{itemranking} 才可以正常提交训练哦~

当前赛题仅允许 600 能力值以下的新手可以正常提交训练哦~

报名参赛

下载当前代码

您可使用自己熟悉的编辑器实现算法并通过命令行
提交任务到FlyAI云端训练。确认下载体验吗?

$vue{upDataType ? '上传样例压缩包' : '上传代码压缩包' }

请将代码文件压缩为zip格式,文件大小不超过10M 提示:请确认删除"data"⽂件夹后进行上传操作

将文件拖拽至此处或点击此处选择文件

$vue{complete < 99 ? '上传中' : '上传完成'} $vue{complete}

$vue{fileName}
线上GPU运行环境:
FlyAl推荐如下配置,如有问题可手动添加或修改!

GPU环境

深度学习框架

其它依赖

提交
提交

提交确认

设置好参数后点击“确定“发布GPU训练任务

EPOCHS

BATCH SIZE

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

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

温馨提示

$vue{csv_msg}

知道了
提交结果文件

$vue{csvName == '' ? '仅支持上传 CSV 格式的文件' : csvName+' 上传中...'}

$vue{csvName}上传成功
取消 确认提交

提交成功

系统正在测评您的结果文件,

您可通过右侧【我的提交-查看记录详情】进行查看

知道了
  • 赛事介绍
  • 竞赛排行榜
  • 自由练习榜单
  • 讨论($vue{comment_count})
  • 学习资源

$vue{item.rank_name}

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。

字段说明:

文件名 字段名称 字段类型 备注
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

参考文献:

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

评审标准

算法输入输出格式

输入字段: image_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:
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

围生

暂未公开
batch数据为64,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99.18。

2019-04-01 20:17:36

10.00

暂未公开
第三名

玄学上分

大神经验
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95.01。

2019-03-29 23:18:44

1006.00

大神经验
第三名

trick_or_treat

暂未公开
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94.13。

2019-03-30 03:10:33

935.00

暂未公开
4

KG

大神经验
batch数据为64,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93.81。

2019-03-30 22:08:54

81.00

大神经验
5

善假于物

暂未公开
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93.81。

2019-03-31 07:19:15

882.00

暂未公开
6

天天向上

大神经验
batch数据为32,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93.72。

2019-03-31 09:04:50

258.00

大神经验
7

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,通过在线上环境完成训练,模型最优精度评分为92.96。

2019-03-31 04:32:48

679.00

大神经验
8

RandomYC

大神经验
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92.66。

2019-03-31 08:35:53

124.00

大神经验
9

cclxx

大神经验
batch数据为64,循环次数为6000次,通过在线上环境完成训练,模型最优精度评分为92.37。

2019-04-01 13:04:30

376.00

大神经验
10

mingda

暂未公开
batch数据为64,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91.96。

2019-04-01 14:41:10

10.00

暂未公开
11

科科

暂未公开
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91.90。

2019-04-01 23:21:33

10.00

暂未公开
12

Daiccccc

暂未公开
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91.69。

2019-03-30 01:36:18

759.00

暂未公开
13

火炎焱燚

暂未公开
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91.58。

2019-04-04 12:27:47

10.00

暂未公开
14

ChangeBio

暂未公开
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91.55。

2019-04-28 19:35:13

暂未公开
15

周阳

暂未公开
batch数据为128,循环次数为6000次,通过在线上环境完成训练,模型最优精度评分为91.31。

2019-04-02 12:51:49

10.00

暂未公开
16

梯度下降

暂未公开
batch数据为64,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91.02。

2019-04-01 20:05:40

10.00

暂未公开
17

Hlic

暂未公开
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90.75。

2019-04-01 10:21:55

10.00

暂未公开
18

lyming

暂未公开
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90.49。

2019-03-30 01:55:37

684.00

暂未公开
19

唱跳RAP打篮球

暂未公开
batch数据为32,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89.96。

2019-04-01 17:20:56

10.00

暂未公开
20

暂未公开
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89.82。

2019-03-31 12:20:31

552.00

暂未公开
21

Hallo

暂未公开
batch数据为128,循环次数为2222次,通过在线上环境完成训练,模型最优精度评分为89.67。

2019-03-30 00:55:47

637.00

暂未公开
22

小北

暂未公开
batch数据为64,循环次数为240次,通过在线上环境完成训练,模型最优精度评分为89.58。

2019-03-30 20:19:30

10.00

暂未公开
23

篠筱筱

暂未公开
batch数据为32,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88.58。

2019-04-02 10:24:40

10.00

暂未公开
24

Joker Song

暂未公开
batch数据为64,循环次数为300次,通过在线上环境完成训练,模型最优精度评分为88.55。

2019-04-04 11:18:48

暂未公开
25

troublemaker

暂未公开
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88.38。

2019-03-31 02:00:19

10.00

暂未公开
26

丶人狠话不多

暂未公开
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88.20。

2019-04-01 21:18:00

10.00

暂未公开
27

trickornot

暂未公开
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87.82。

2019-04-01 22:03:27

10.00

暂未公开
28

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,通过在线上环境完成训练,模型最优精度评分为87.73。

2019-03-30 14:42:41

210.00

暂未公开
29

sytv587

暂未公开
batch数据为256,循环次数为400次,通过在线上环境完成训练,模型最优精度评分为87.11。

2019-03-30 22:17:22

10.00

暂未公开
30

红色的小蓝帽

暂未公开
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87.00。

2019-03-29 21:39:34

502.00

暂未公开
31

你猜猜我是谁

暂未公开
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86.79。

2019-03-30 11:05:53

408.00

暂未公开
32

玥神

暂未公开
batch数据为128,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85.53。

2019-03-29 23:49:11

440.00

暂未公开
33

Teenage Dream

暂未公开
batch数据为64,循环次数为8000次,通过在线上环境完成训练,模型最优精度评分为85.38。

2019-04-01 15:38:20

10.00

暂未公开
34

reallocing

暂未公开
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85.18。

2019-04-08 17:47:16

10.00

暂未公开
35

yangsmile

暂未公开
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85.03。

2019-04-19 21:06:41

暂未公开
36

lightning-zgc

暂未公开
batch数据为32,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84.74。

2019-04-02 17:54:10

10.00

暂未公开
37

zeng-_-|

暂未公开
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84.41。

2019-03-30 10:03:56

224.00

暂未公开
38

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,通过在线上环境完成训练,模型最优精度评分为83.03。

2019-04-01 17:55:18

10.00

暂未公开
39

就是很任性

暂未公开
batch数据为32,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82.89。

2019-03-31 11:08:02

283.00

暂未公开
40

江枫渔火

暂未公开
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82.57。

2019-03-30 23:39:04

290.00

暂未公开
41

笑尘

暂未公开
batch数据为512,循环次数为401次,通过在线上环境完成训练,模型最优精度评分为82.30。

2019-03-30 15:54:28

10.00

暂未公开
42

zhiduanqingchang

暂未公开
batch数据为64,循环次数为2500次,通过在线上环境完成训练,模型最优精度评分为82.10。

2019-04-01 06:56:54

10.00

暂未公开
43

kongd

暂未公开
batch数据为64,循环次数为1800次,通过在线上环境完成训练,模型最优精度评分为82.07。

2019-03-31 00:20:45

10.00

暂未公开
44

静水流深

暂未公开
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82.07。

2019-04-02 09:45:55

10.00

暂未公开
45

Value_H

暂未公开
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81.86。

2019-04-01 11:24:20

10.00

暂未公开
46

张宇廷

暂未公开
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81.80。

2019-04-01 16:07:06

10.00

暂未公开
47

暂未公开
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81.66。

2019-04-01 15:45:14

10.00

暂未公开
48

Seeney

暂未公开
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81.33。

2019-04-01 07:11:06

10.00

暂未公开
49

FlyAI

暂未公开
batch数据为32,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80.60。

2019-07-04 16:31:57

暂未公开
50

cactus_6

暂未公开
batch数据为32,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80.48。

2019-03-30 14:25:05

144.00

暂未公开
51

喵喵

暂未公开
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80.48。

2019-04-25 10:53:14

暂未公开
52

Kyle_gkm

暂未公开
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80.28。

2019-04-01 05:45:32

10.00

暂未公开
53

心语滑落指尖

暂未公开
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80.28。

2019-04-01 22:54:59

10.00

暂未公开
54

wrzhenian

暂未公开
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79.40。

2019-07-10 11:11:26

暂未公开
55

我的爱在西元前1554081999

暂未公开
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77.90。

2019-04-01 20:36:18

10.00

暂未公开
56

暂未公开
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77.52。

2019-03-30 13:21:39

10.00

暂未公开
57

w3217988

暂未公开
batch数据为64,循环次数为300次,通过在线上环境完成训练,模型最优精度评分为69.03。

2019-03-29 22:41:30

10.00

暂未公开
58

沐阳听风

暂未公开
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66.77。

2019-03-30 23:20:23

10.00

暂未公开
59

若,只如初见

暂未公开
batch数据为64,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64.02。

2019-04-12 13:58:56

暂未公开
60

SHine

暂未公开
batch数据为16,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54.98。

2019-04-03 19:57:27

暂未公开
61

lit_w

暂未公开
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50.87。

2019-04-01 23:26:32

10.00

暂未公开
62

哇咔咔

暂未公开
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47.08。

2019-04-01 23:56:29

10.00

暂未公开
63

在北等你

暂未公开
batch数据为2,循环次数为800次,通过在线上环境完成训练,模型最优精度评分为40.77。

2019-03-30 18:13:14

10.00

暂未公开
64

DLin

暂未公开
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30.29。

2019-04-01 22:55:34

10.00

暂未公开
65

毛利

暂未公开
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25.98。

2019-08-07 02:18:48

暂未公开
66

hjxl_dww

暂未公开
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21.72。

2019-04-01 11:45:16

10.00

暂未公开
67

cube777

暂未公开
batch数据为32,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18.49。

2019-04-01 09:41:18

10.00

暂未公开
68

王桢

暂未公开
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17.20。

2019-04-01 02:13:37

10.00

暂未公开
第一名
被算法耽误的歌手 2020-12-15 17:03:24
2020-12-15 17:03:24
92.31
第二名
Biao_Ge 2019-09-08 02:58:10
2019-09-08 02:58:10
91.14
第三名
PH 2019-09-02 00:26:52
2019-09-02 00:26:52
89.55
4
latalio 2019-10-11 17:16:46
2019-10-11 17:16:46
86
5
ZY2020 2020-08-05 17:33:16
2020-08-05 17:33:16
82.8
6
韩天啸 2021-04-12 12:16:02
2021-04-12 12:16:02
77.6
7
余生有我 2019-08-23 18:21:32
2019-08-23 18:21:32
77.16
8
大佬带带我 2019-08-23 22:01:34
2019-08-23 22:01:34
77.16
9
Liuzhongsheng 2019-08-30 12:06:49
2019-08-30 12:06:49
77.16
10
benjaminlinken 2019-08-31 14:54:27
2019-08-31 14:54:27
77.16
11
2019-09-07 11:06:14
2019-09-07 11:06:14
77.16
12
sudoku 2019-10-19 22:04:19
2019-10-19 22:04:19
77.16
13
文瑞洁 2020-05-05 13:30:54
2020-05-05 13:30:54
77.16
14
刘俊杰 2020-06-06 09:45:10
2020-06-06 09:45:10
77.16
15
Renascence_6 2020-12-01 16:59:14
2020-12-01 16:59:14
77.16
16
是阿正 2020-12-14 09:36:52
2020-12-14 09:36:52
77.16
17
flyai会员1603024333 2021-05-31 10:16:59
2021-05-31 10:16:59
77.16
18
flyai会员1642580385 2022-01-28 14:08:54
2022-01-28 14:08:54
77.16
19
Li Kuo-tung 2020-04-28 13:12:01
2020-04-28 13:12:01
49.66
20
Tiernos 2020-04-07 05:42:00
2020-04-07 05:42:00
36.45
21
2019-08-23 14:08:00
2019-08-23 14:08:00
35.07
22
比如说 2019-09-25 01:54:13
2019-09-25 01:54:13
28.79
23
ahaaaa 2020-12-02 17:19:05
2020-12-02 17:19:05
17.2
讨论
500字
表情
发送
删除确认
是否删除该条评论?
取消 删除
$vue{item.user_name}

$vue{item.title} $vue{item.title}

$vue{items}
$vue{item.like_count}
$vue{item.comment_counts}
$vue{item.comment_counts}
阅读 $vue{item.views}

这里还没有内容哦

挑战者大赛 官方交流群

我的记录

你还没有任何提交记录喔...

  • 参赛流程
  • 常见问题

第一步:参赛选手从FlyAI官网选择比赛报名,需下载样例代码

下载的项目中不包含数据集,运行main.py会自动下载调试数据集

本地调试根据不同数据集会提供10%~100%数据,全量数据提交到GPU后会自动更新替换

下载样例代码,解压后在样例代码上编写自己的模型代码,压缩后再在上传代码位置进行上传,就可以查看自己得分。

第二步:本地代码调试

本地配置Python3.5以上的运行环境,并安装项目运行所需的Python依赖包 app.json是项目的配置文件

在main.py中编写神经网络,没有框架限制

在prediction.py测试模型是否评估成功

main.py中需在class Main(FlyAI) 类中实现自己的训练过程

第三步:提交到GPU训练,保存模型

本地调试完成之后,提交代码到GPU,在全量数据上训练模型,保存最优模型。

提交GPU的方式有:网站在线提交。

第四步:评估模型,获取奖金,实时提现

GPU训练完成后,会调用prediction.py中的predict方法进行评估,并给出最后得分

高分的参赛选手,可实时获取奖金,通过微信提现

Q:如何获得奖金?

A:超过项目设置的最低分,根据公式计算,就可以获得奖金。

Q:比赛使用什么框架?

A: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等。

Q:怎么参加比赛,需不需要提交csv文件?

A:FlyAI竞赛平台无需提交csv文件,在网页上点击报名,下载项目,使用你熟练的框架,修改main.py中的网络结构和数据处理,在prediction.py中进行加载模型及预测。将代码文件压缩为.zip格式,文件大小不超过10M,之后在网站进行在线提交就可以了。

Q:比赛排行榜分数怎么得到的?

A:参加项目竞赛必须实现 prediction.py 中的predict方法。调用模型得出评分。

Q:平台机器什么配置?

A:目前每个训练独占一块V100显卡,显存10G。

Q:本地数据集在哪?

A:可以本地使用ide运行 main.py 下载数据。

Q:FAI训练积分不够用怎么办?

A:目前GPU免费使用,可以进入到:我的积分,通过签到和分享等途径获得大量积分。

Q:离线训练代码不符合规范问题?

A:main.py中可以使用args.EPOCHS和args.BATCH。