天空背景图像分割

分享给好友

2019-09-05 15:00:00
开始提交

2019-10-05 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

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

图像分割是根据图像内容对指定区域进行标记的计算机视觉任务,简单来说是准确判定在当前图片中的哪个区域

该数据集一共有1224张图片,训练集、验证集和测试集划分比例为6:2:2.

赛事主题和数据说明

赛题描述

比赛上榜成绩截止到2019年10月07日下午20点,赛后将有神秘嘉宾精彩直播,敬请期待!!

数据来源

由有三AI公众号提供

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,可通过使用本地调试的方式获取调试数据集。本地调试和提交指南请查看[文档中心]

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_path string 不为空 图片标签的相对路径

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: label_path,

评审指标说明

  • 本赛标准得分为60分,所有超过基础得分的参赛者可获得相对应奖励!
  • IOU(Intersection-over-Union)表示了产生的候选框(candidate bound)与原标记框(ground truth bound)的交叠率或者说重叠度,也就是它们的交集与并集的比值。最理想情况是完全重叠,即比值为1。
  • 计算公式如下:
  • 评审计算公式
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

哈尔的移动城堡

大神经验
batch数据为8,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94.82。

2019-10-06 19:57:26

大神经验
第三名

丶人狠话不多

大神经验
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94.71。

2019-10-07 03:29:28

大神经验
第三名

skr skr skr

大神经验
batch数据为4,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94.64。

2019-09-30 22:09:08

大神经验
4

Daiccccc

大神经验
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94.64。

2019-10-06 04:22:24

大神经验
5

gboy

大神经验
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94.61。

2019-10-06 05:16:16

大神经验
6

Wghost

暂未公开
batch数据为4,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94.60。

2019-10-04 20:46:18

暂未公开
7

Whisney`逸文

暂未公开
batch数据为18,循环次数为70次,通过在线上环境完成训练,模型最优精度评分为94.56。

torch

FCN

2019-10-04 20:08:32

暂未公开
8

ON-looker

暂未公开
batch数据为4,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94.41。

torch

FCN

2019-09-28 08:06:12

暂未公开
9

yahiko

暂未公开
batch数据为4,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94.26。

PyTorch

deeplab v3+

2019-09-26 23:20:49

暂未公开
10

trickornot

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94.00。

torch

FCN

2019-10-01 00:45:07

暂未公开
11

大木淡漠

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93.75。

torch

FCN

2019-09-22 16:45:38

暂未公开
12

看你很6哦

暂未公开
batch数据为8,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93.69。

2019-09-29 20:34:19

暂未公开
13

快来追我呀

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93.43。

torch

FCN

2019-09-20 18:20:50

暂未公开
14

qqm

暂未公开
batch数据为24,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93.43。

torch

FCN

2019-10-04 19:56:56

暂未公开
15

jitaimei

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93.36。

torch

FCN

2019-10-05 12:22:30

暂未公开
16

invisprints

暂未公开
batch数据为8,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92.92。

2019-10-04 16:12:42

暂未公开
17

超爱喝酸奶

暂未公开
batch数据为8,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92.84。

PyTorch

Deeplabv3

2019-09-19 13:09:56

暂未公开
18

风1567927103

暂未公开
batch数据为8,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92.77。

2019-10-05 00:11:58

暂未公开
19

天涯·明月·刀

暂未公开
batch数据为16,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91.38。

torch

FCN

2019-09-25 19:10:31

暂未公开
20

dtrimina

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91.26。

torch

FCN

2019-09-24 02:04:25

暂未公开
21

善假于物

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91.08。

torch

FCN

2019-10-03 12:24:22

暂未公开
22

释然

暂未公开
batch数据为8,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90.87。

torch

FCN

2019-09-25 11:49:16

暂未公开
23

cnn

暂未公开
batch数据为8,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90.78。

torch

FCN

2019-09-25 13:01:05

暂未公开
24

Zyt

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89.82。

torch

FCN

2019-09-18 19:55:10

暂未公开
25

AMERICA

暂未公开
batch数据为8,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89.55。

torch

FCN

2019-09-30 12:25:16

暂未公开
26

uuuuu

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88.94。

torch

FCN

2019-09-25 07:47:55

暂未公开
27

把你吃掉

暂未公开
batch数据为4,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88.35。

torch

FCN

2019-10-07 18:45:48

暂未公开
28

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87.79。

torch

FCN

2019-09-11 02:30:10

暂未公开
29

ahaaaa

暂未公开
batch数据为8,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87.04。

torch

FCN

2019-09-26 23:34:38

暂未公开
30

你猜猜我是谁

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86.85。

2019-10-04 22:58:17

暂未公开
31

玻尔兹曼

暂未公开
batch数据为4,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83.84。

PyTorch

ResU-Net

2019-09-13 15:40:55

暂未公开
32

Ready

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81.69。

2019-09-22 22:49:42

暂未公开
33

呵呵刘

暂未公开
batch数据为16,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79.34。

TensorFlow

DeepLabv3

2019-09-24 01:03:55

暂未公开
34

埼玉不秃头

暂未公开
batch数据为48,循环次数为64次,通过在线上环境完成训练,模型最优精度评分为41.45。

torch

FCN

2019-09-21 14:45:38

暂未公开
35

Akatsuki

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37.24。

torch

FCN

2019-09-19 09:45:47

暂未公开
36

xaioqiang

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35.43。

torch

FCN

2019-09-25 00:54:44

暂未公开
37

★八百标兵奔北坡

暂未公开
batch数据为2,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0.30。

torch

FCN

2019-09-27 10:53:17

暂未公开
38

qck15570179927

暂未公开
batch数据为24,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0.00。

2019-09-07 13:08:06

暂未公开
39

暂未公开
batch数据为2,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0.00。

2019-09-07 18:57:31

暂未公开
40

玖月初识

暂未公开
batch数据为4,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0.00。

2019-09-09 16:47:00

暂未公开
41

kkky

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0.00。

2019-09-10 17:49:40

暂未公开
42

上山打老鼠

暂未公开
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0.00。

torch

FCN

2019-09-12 19:41:10

暂未公开
43

ashergaga

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0.00。

torch

FCN

2019-09-13 09:31:52

暂未公开
44

Sunny^_^Today

暂未公开
batch数据为20,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0.00。

torch

FCN

2019-09-20 10:25:02

暂未公开
45

机器学渣

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0.00。

torch

FCN

2019-09-20 12:15:24

暂未公开
46

宇宙

暂未公开
batch数据为8,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0.00。

2019-09-25 14:42:49

暂未公开
47

Seeney

暂未公开
batch数据为8,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0.00。

torch

FCN

2019-10-07 16:31:45

暂未公开
第一名
美式半糖不加奶 2019-11-25 20:51:59
2019-11-25 20:51:59
94.79
第二名
哈尔的移动城堡 2019-10-07 21:32:07
2019-10-07 21:32:07
94.69
第三名
skr skr skr 2019-10-07 20:09:25
2019-10-07 20:09:25
94.63
4
Yolo大大 2020-02-07 12:23:33
2020-02-07 12:23:33
94.63
5
Daiccccc 2019-10-07 21:34:29
2019-10-07 21:34:29
94.52
6
gboy 2019-10-08 17:59:35
2019-10-08 17:59:35
94.14
7
前排板凳瓜子 2019-10-08 21:58:16
2019-10-08 21:58:16
94.07
8
龙龙 2020-02-29 00:35:50
2020-02-29 00:35:50
93.91
9
qqm 2019-10-07 22:43:05
2019-10-07 22:43:05
93.04
10
把你吃掉 2019-10-11 23:13:58
2019-10-11 23:13:58
93.04
11
上山打老鼠 2019-10-12 16:35:46
2019-10-12 16:35:46
91.64
12
骡子吃番茄 2020-03-18 15:07:28
2020-03-18 15:07:28
91.59
13
trickornot 2019-10-08 12:30:23
2019-10-08 12:30:23
90.77
14
是阿正 2020-12-14 12:22:10
2020-12-14 12:22:10
90.4
15
天涯·明月·刀 2019-10-07 22:26:36
2019-10-07 22:26:36
89.11
16
wuzhenhua 2020-03-06 11:39:18
2020-03-06 11:39:18
88.02
17
Limbor 2019-10-15 16:00:52
2019-10-15 16:00:52
87.59
18
韩天啸 2020-06-12 09:41:14
2020-06-12 09:41:14
84.24
19
ZS1577164325 2020-01-05 22:55:54
2020-01-05 22:55:54
83.08
20
信息-杨波 2019-10-30 20:00:42
2019-10-30 20:00:42
79.07
21
ice 2019-12-13 12:58:08
2019-12-13 12:58:08
47.29
22
哈哈哈1572280504 2019-11-11 19:26:11
2019-11-11 19:26:11
0
23
KevinYang 2019-11-14 16:34:09
2019-11-14 16:34:09
0
24
X.S.F. 2019-11-15 12:15:47
2019-11-15 12:15:47
0
25
h1566452233 2019-11-17 12:59:11
2019-11-17 12:59:11
0
26
莲子咖啡 2019-11-22 16:16:47
2019-11-22 16:16:47
0
27
Protect.Y 2020-03-26 11:15:45
2020-03-26 11:15:45
0
28
flyai会员1603024333 2020-11-08 16:57:15
2020-11-08 16:57:15
0
29
Agravity 2020-12-23 14:22:16
2020-12-23 14:22:16
0
30
flyai会员1610346283 2021-01-11 16:44:35
2021-01-11 16:44:35
0
讨论
500字
表情
每日优质讨论奖励 20FAI
发送
每日优质讨论奖励 20FAI
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...

使用指南

  • windows客户端
  • windows命令行
  • Mac/Linux

1.进入代码编辑页下载当前代码

2.本地解压缩代码包文件,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.开启 FlyAI-Jupyter 代码调试环境

运行flyai.exe程序,点击"使用jupyter调试"按钮自动打开jupyter lab 操作界面

运行 run main.py 命令即可在本地训练调试代码

如果出现 No Model Name "xxx"错误,需在 requirements.txt 填写项目依赖

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GPU训练"按钮,代码将自动提交到云端GPU进行训练

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

项目中有新的Python包引用,必须在 requirements.txt 文件中指定包名,不填写版本号将默认安装最新版

更多参赛帮助请查看文档中心

1.进入代码编辑页下载当前代码

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

cd path\to\project

4.开启 FlyAI-Jupyter 代码调试环境

在终端执行命令 flyai.exe ide 打开调试环境(第一次使用需要使用微信扫码登录)

操作过程有延迟,请耐心等待

运行 run main.py 命令即可在本地训练调试代码

如果出现 No Model Name "xxx"错误,需在 requirements.txt 填写项目依赖

5.提交训练到GPU

在FlyAI-Jupyter环境下运行 !flyai.exe train 将代码提交到云端GPU免费训练

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

项目中有新的Python包引用,必须在 requirements.txt 文件中指定包名,不填写版本号将默认安装最新版

6.下载本地测试数据

首次成功执行本地调试命令后,将在本地代码包中自动生成"data"数据集文件夹

7.使用自己的Python环境

flyai.exe path=xxx 可以设置自己的Python路径

flyai.exe path=flyai 恢复系统默认Pyton路径

更多参赛帮助请查看文档中心

1.进入代码编辑页下载当前代码

2.使用终端进入到项目的根目录下

cd path\to\project

3.初始化环境登录

使用如下命令授权 flyai 脚本: chmod +x ./flyai

4.开启 Jupyter 代码调试环境

在终端执行命令 ./flyai ide 打开调试环境(第一次使用需要使用微信扫码登录) 操作过程有延迟,请耐心等待

运行 run main.py 命令即可在本地训练调试代码

如果出现 No Model Name "xxx"错误,需在 requirements.txt 填写项目依赖

或使用终端

执行下列命令本地安装环境并调试

./flyai test 注意:如果出现 permission denied 错误,需使用sudo运行

如果出现 No Model Name "xxx"错误,需在 requirements.txt 填写项目依赖

执行test命令,会自动下载100条测试数据到项目下

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

在FlyAI-Jupyter环境下运行 !./flyai train 将代码提交到云端GPU免费训练 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

或者在终端下使用 ./flyai train -b=32 -e=10

项目中有新的Python包引用,必须在 requirements.txt 文件中指定包名,不填写版本号将默认安装最新版

6.下载本地测试数据

首次成功执行本地调试命令后,将在本地代码包中自动生成"data"数据集文件夹

7.使用自己的Python环境

./flyai path=xxx 可以设置自己的Python路径

./flyai path=flyai 恢复系统默认Pyton路径

更多参赛帮助请查看文档中心