哥伦比亚大学公众人物五官定位

分享给好友

2019-04-30 15:00:00
开始提交

2019-05-30 15:00:00
最终提交结束

自由训练

剩余奖金 ¥ 2,737
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
  • 奖金记录
  • 讨论($vue{comment_count})
  • 学习资源

$vue{item.rank_name}

大赛简介

哥伦比亚大学公众人物数据集是一个包含大量人脸标签的数据集,包含超过20万张名人照片,每张照片包含40个属性标签。此数据集中的图片包含多种人体姿势与背景干扰。 该数据集具有丰富的多样性,大量的样本以及多种标注,包括: 10177名个体,202599张面部图片,以及每张图片中5个位置标注和40种二元属性标注(如是否戴帽子等),该数据集可以用来做人脸五官定位

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

  • 下载FlyAI样例模版进行本地调试并提交到云端使用免费GPU进行模型训练获得最终成绩得分。

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)
参与奖(总奖金30%) 所有人 不同得分区间获得相应的竞赛奖金
突破奖(总奖金20%) 所有人 更新排行榜得分,获取相应竞赛奖金
排名奖(总奖金50%) 第一周/月前3名(冠、亚、季军) 项目上线第一周、第一个月; Time_P(周) = 0.5,Time_P(月) = 0.5;K1=0.5,K2=0.3,K3=0.2;
不同框架奖励 所有人 获得60FAI币用于GPU训练资源消耗

赛事主题和数据说明

赛题描述

通过实现算法并提交训练,获取奖金池奖金。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

CelebaLandmarks

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 file_path 不为空 图片的相对路径
lefteye_x int 不为空 左眼睛x坐标
lefteye_y int 不为空 左眼睛y坐标
righteye_x int 不为空 右眼睛x坐标
righteye_y int 不为空 右眼睛y坐标
nose_x int 不为空 鼻子x坐标
nose_y int 不为空 鼻子y坐标
leftmouth_x int 不为空 嘴唇左边x坐标
leftmouth_y int 不为空 嘴唇左边y坐标
rightmouth_x int 不为空 嘴唇右边x坐标
rightmouth_y int 不为空 嘴唇右边y坐标

参考文献:

[1]

评审标准

算法输入输出格式

输入字段: image_path,

输出字段: lefteye_x, lefteye_y, righteye_x, righteye_y, nose_x, nose_y, leftmouth_x, leftmouth_y, rightmouth_x, rightmouth_y,

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:
  • 评审计算公式

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 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

trick_or_treat

1582.00

batch数据为64,循环次数为600次,通过在线上环境完成训练,模型最优精度评分为85.00。

2019-05-05 16:12:22

1582.00

85.00

第三名

看你很6哦

420.00

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84.46。

2019-05-09 12:44:36

420.00

84.46

第三名

大木淡漠

3.75

batch数据为96,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82.76。

2019-05-30 19:30:16

3.75

82.76

4

ChangeBio

257.50

batch数据为32,循环次数为5次,通过在线上环境完成训练,模型最优精度评分为82.54。

2019-05-09 21:03:11

257.50

82.54

5

天涯·明月·刀

batch数据为32,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78.04。

2019-07-17 05:34:20

78.04

6

无......有

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77.32。

2019-05-30 00:02:21

77.32

7

lyming

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76.47。

2019-05-06 21:53:29

76.47

8

汐炎

batch数据为128,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74.85。

2019-05-12 16:32:21

74.85

9

trickornot

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74.10。

2019-05-31 00:03:38

74.10

10

斩于刃

batch数据为500,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69.98。

2019-06-03 04:12:58

69.98

11

于颖奇

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69.52。

2019-05-31 21:39:30

69.52

12

mukali

batch数据为100,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69.10。

2019-06-02 23:49:43

69.10

13

Lalala

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68.90。

2019-05-31 14:38:06

68.90

14

gboy

batch数据为256,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68.42。

2019-05-24 19:00:38

68.42

15

gezp

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66.56。

2019-05-08 07:49:21

66.56

16

元气少女

batch数据为32,循环次数为40次,通过在线上环境完成训练,模型最优精度评分为65.93。

2019-06-03 15:58:38

65.93

17

天天向上

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65.83。

2019-05-13 09:10:16

65.83

18

smooklazz

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65.15。

2019-05-05 18:27:46

65.15

19

nice

batch数据为128,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64.78。

2019-08-04 04:13:35

64.78

20

长弓PAN

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64.64。

2019-05-07 00:51:52

64.64

21

火炎焱燚

batch数据为256,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64.64。

2019-05-09 06:02:36

64.64

22

Xin Yao

batch数据为64,循环次数为4次,通过在线上环境完成训练,模型最优精度评分为64.29。

2019-07-11 12:28:22

64.29

23

sw2009

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63.70。

2019-05-12 16:58:29

63.70

24

Mario

batch数据为64,循环次数为2次,通过在线上环境完成训练,模型最优精度评分为31.85。

2019-05-11 22:59:59

31.85

25

喵喵

batch数据为1,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28.12。

2019-05-05 11:38:56

28.12

26

cnn

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26.45。

2019-10-09 15:19:07

26.45

27

曲华

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26.45。

2019-11-19 15:15:30

26.45

28

会员1577332883

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26.45。

2019-12-26 12:44:44

26.45

29

luckynote

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26.45。

2020-03-25 10:36:03

26.45

30

来打我呀

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26.45。

2020-07-21 14:36:36

26.45

31

Feng1583890403

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26.45。

2020-07-23 10:58:38

26.45

32

abccc

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26.45。

2021-06-29 00:45:30

26.45

33

whykifan

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24.42。

2019-05-05 21:10:46

24.42

34

优雅一只猫

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24.42。

2019-05-06 20:06:04

24.42

35

Olivia

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24.42。

2019-05-09 20:31:13

24.42

36

就是很任性

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24.42。

2019-05-17 06:09:39

24.42

37

五月^V^

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24.42。

2019-12-24 19:56:42

24.42

38

tik_boa

batch数据为32,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23.40。

2019-05-02 21:32:39

23.40

39

zhiduanqingchang

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19.74。

2019-05-02 04:29:32

19.74

40

丶人狠话不多

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0.66。

2019-05-01 16:15:16

0.66

41

兔子是菜鸟

batch数据为1,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0.23。

2019-05-02 00:42:06

0.23

2019-05-30
ChangeBio

模型得分为82.54,本次获得排名奖奖金为250

2019-05-30 15:00:02

看你很6哦

模型得分为84.46,本次获得排名奖奖金为375

2019-05-30 15:00:02

trick_or_treat

模型得分为85,本次获得排名奖奖金为625

2019-05-30 15:00:02

大木淡漠

模型得分为81.98,本次获得实时奖励奖金为3.75

2019-05-30 10:53:12

2019-05-13
ChangeBio

模型得分为82.54,本次获得实时奖励奖金为7.5

2019-05-13 10:56:32

看你很6哦

模型得分为84.46,本次获得实时奖励奖金为30

2019-05-13 10:44:08

2019-05-09
看你很6哦

模型得分为80.91,本次获得实时奖励奖金为15

2019-05-09 11:16:59

2019-05-07
trick_or_treat

模型得分为85,本次获得排名奖奖金为625

2019-05-07 15:00:01

trick_or_treat

模型得分为85,本次获得实时奖励奖金为332

2019-05-07 12:49:51

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。