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

报名参赛
  • 赛事介绍
  • 竞赛排行榜
  • 自由练习榜单
  • 讨论(0)
  • 学习资源

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。

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

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