人体骨骼动作识别

分享给好友

2019-08-23 15:00:00
开始提交

2019-09-22 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？
取消 确定

$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

取消 确定
报名提醒

请先报名参加比赛再完成组队操作哦！

报名参赛

$vue{flag ? "报名成功" : "参赛温馨提示"}

通过迭代赛题的样例代码提高模型准确率哦～
准确率越高，奖励越丰富！

⼤神你好!当前能⼒值⽆法参加新⼿赛
多给新手一些机会哦~

知道了

知道了

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

https://flyai.com/d/SkeletonV2

复制链接

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

该项目基于NTU RGB+D 120数据集，提取数据集中对应的视频中人的骨骼关键位置点，用于动作识别，共120个动作，数据集以json文件给出，包括frame：帧数，60帧，joints_num：25，25个关节的位置坐标joint_0_x,joint_0_y

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

SkeletonV2

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 文件路径
name string 不为空 动作类别
labels int 大于等于 0, 小于等于 119 分类标签

参考文献：

[1]NTU RGB+D 120: A Large-Scale Benchmark for 3D Human Activity Understanding

评审标准

算法输入输出格式

输入字段： image_path,

输出字段： labels,

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 70分 的成绩会在48小时内更新到排行榜，不要着急哦！
第三名

前排板凳瓜子

暂未公开
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48.02。

PyTorch

CNN

2019-09-14 17:31:43

暂未公开
第三名

emmm我还没想好

暂未公开
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46.44。

PyTorch

CNN

2019-09-20 07:24:24

暂未公开
第三名

凯隐

暂未公开
batch数据为97，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42.18。

PyTorch

CNN

2019-09-27 07:15:08

暂未公开
4

skr skr skr

暂未公开
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39.68。

Keras

CNN

2019-10-11 18:12:18

暂未公开
5

小林子

暂未公开
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34.81。

Keras

CNN

2019-09-17 18:11:49

暂未公开
6

释然

暂未公开
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28.10。

Keras

CNN

2019-09-15 13:22:10

暂未公开
7

会飞的猪

暂未公开
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23.93。

Keras

CNN

2019-08-28 11:27:30

暂未公开
8

matthew

暂未公开
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22.80。

Keras

CNN

2019-08-25 18:36:50

暂未公开
9

为之奈何

暂未公开
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18.51。

Keras

CNN

2019-08-26 00:57:27

暂未公开
10

learnFromBest

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18.38。

Keras

CNN

2019-09-02 00:16:56

暂未公开
11

rhapsody

暂未公开
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17.01。

Keras

CNN

2019-11-12 15:22:44

暂未公开
12

Noah

暂未公开
batch数据为64，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15.51。

Keras

CNN

2019-08-28 12:58:20

暂未公开
13

宇宙

暂未公开
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13.13。

Keras

CNN

2019-09-23 06:03:12

暂未公开
14

motoleisure

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13.01。

Keras

CNN

2019-09-06 05:03:51

暂未公开
15

风1567927103

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12.09。

TensorFlow

CNN

2019-09-25 14:11:43

暂未公开
16

AMERICA

暂未公开
batch数据为16，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11.00。

Keras

CNN

2019-08-26 03:40:15

暂未公开
17

Bibi.x

暂未公开
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10.09。

Keras

CNN

2019-09-17 17:53:35

暂未公开
18

June_Z

暂未公开
batch数据为32，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8.50。

Keras

CNN

2019-09-09 07:27:17

暂未公开
19

milixiang

暂未公开
batch数据为32，循环次数为3次，通过在线上环境完成训练，模型最优精度评分为6.29。

PyTorch

CNN

2019-11-20 01:38:56

暂未公开
20

北部湾的落日

暂未公开
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2.83。

Keras

CNN

2019-09-05 22:37:54

暂未公开
21

ChangeBio

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1.96。

Keras

CNN

2019-09-03 06:42:34

暂未公开
22

PPdog

暂未公开
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1.83。

Keras

CNN

2019-09-03 09:21:11

暂未公开
23

cnn

暂未公开
batch数据为64，循环次数为3次，通过在线上环境完成训练，模型最优精度评分为1.13。

Keras

CNN

2019-10-08 09:25:48

暂未公开
24

Xin Yao

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1.04。

Keras

CNN

2019-08-24 19:54:24

暂未公开
25

qck15570179927

暂未公开
batch数据为16，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0.96。

PyTorch

CNN

2019-10-26 13:16:08

暂未公开
26

Jeremy

暂未公开
batch数据为128，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0.71。

Keras

CNN

2019-09-15 20:00:22

暂未公开
第一名
cnn 2019-12-11 19:03:11
2019-12-11 19:03:11
18.13
第二名
ChangeBio 2020-03-18 12:27:03
2020-03-18 12:27:03
3.96
第三名
唯语 2020-11-11 20:24:04
2020-11-11 20:24:04
3.96
4
flyai会员1608629695 2020-12-22 17:37:16
2020-12-22 17:37:16
3.96
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

请使用微信扫一扫功能，扫描二维码添加工作人员微信添加请备注"大赛主题名称"

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。