取消 确认提交
- 赛事介绍
- 竞赛排行榜
- 讨论(0)
- 学习资源
大赛简介
安全帽是各行各业安全生产工作者必不可少的安全用具，通过正确佩戴安全帽不仅可以防止和减轻各种事故的伤害，而且保障了工作者的生命安全。为了防止因未戴安全帽导致的安全事故，安全帽佩戴检测成为了监督工作者佩戴安全帽的利器。
这里我们收集了七千多张经过标注的图片，这些图片大小不一致，其中标注分为佩戴安全帽和未佩戴安全帽两类，数据集按照6:2:2的比例进行训练集、校验集和测试集划分。
参赛须知
参赛时间：2019.09.30 10:00:00-2019.11.11 20:00:00
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) |
|---|---|---|
| 特别奖 | 1人 | Apple MacBook Pro + 5000FAI （总价值15,000元） （需满足激活条件后开启） |
| 一等奖 | 1人 | Apple iPhone XR + 2000FAI（总价值8,200元） |
| 二等奖 | 1人 | Apple Watch Series3 + 2000FAI（总价值4,300元） |
| 三等奖 | 1人 | 小米扫地机器人 + 1500FAI（总价值3,000元） |
| 四等奖 | 1人 | Beats X 蓝牙无线耳机 + 1500FAI（总价值2,250元） |
| 五等奖 | 1人 | 小米手环（NFC版） + 1500FAI（总价值1,700元） |
| 排名奖 | 15人 | 第6～10名获得100元奖金 + 1000FAI；第11～20名获得50元奖金 + 1000FAI |
| 参与奖 | 排行榜其他名次 | 800FAI，相当于800分钟 Tesla-P40 GPU计算资源 |
奖励获取要求:
- 特别奖激活条件：截止比赛结束，排行榜参赛人数达到300人将激活特别奖，最终冠军将获得特别奖！原奖品将顺延至下一名参赛者
- 比赛结束后前10名参赛者需提供Markdown格式赛题解决思路（FlyAI将提供参考模版）并在学习圈公开代码查看权限
- 比赛结束后如未能达到奖金/奖励获取要求，所获奖品将按照排名顺延至下一位参赛选手
赛事主题和数据说明
赛题描述
本赛题为10月活动赛题，截止2019年11月11日下午20点整所有训练完成结果均为有效成绩！！
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 |
|---|---|---|---|
| img_path | string | 不为空 | 图片的相对路径 |
| box | string | 不为空 | 目标框（不同目标框之间用空格分隔，每个目标框格式为 xmin,ymin,xmax,ymax,label 其中label=0表示戴安全帽，label=1表示未戴安全帽） |
参考文献：
[1]无
评审标准
算法输入输出格式
输入字段： img_path,
输出字段： box,
评审指标说明
- 本赛题基础得分为85分，所有超过基础得分的参赛者可获得相对应奖励！
- 评估指标采用mAP(Mean Average Precision)方法，AP为precision-recall曲线下的面积，对所有类别的AP取平均值即为mAP。
- 其中在计算AP时，IOU阈值设置为0.5
- 计算公式如下：
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 85分 的成绩会在48小时内更新到排行榜，不要着急哦！
4
96.48
6
100.00
96.14
7
100.00
95.44
8
95.07
10
100.00
94.79
11
100.00
94.61
12
100.00
87.88
13
50.00
87.21
14
a554142589
50.00
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87.21。
2019-10-24 08:49:20
50.00
87.21
15
50.00
86.76
16
50.00
86.62
17
50.00
86.14
18
50.00
85.69
19
会员1568255337
50.00
batch数据为5，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82.64。
50.00
82.64
20
50.00
80.48
21
50.00
80.22
22
50.00
77.90
23
76.74
30
74.15
32
74.15
34
74.15
39
74.15
42
74.15
50
74.15
52
74.15
54
74.15
58
74.15
60
74.15
61
74.15
65
74.15
70
74.15
71
74.15
75
74.15
76
74.15
84
74.15
89
74.15
93
74.15
100
74.15
104
74.15
106
74.15
109
74.15
110
oliver1562911697
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74.15。
74.15
115
74.15
123
74.15
128
74.15
129
74.15
130
74.15
145
74.15
149
74.15
150
74.15
151
74.15
157
74.15
159
74.15
160
74.15
161
74.15
162
74.15
163
74.15
170
74.15
171
74.15
175
74.15
178
74.15
179
74.15
180
74.15
184
74.15
187
74.15
189
74.15
190
74.15
191
74.15
195
74.15
201
74.15
203
Oliver1573203319
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74.15。
74.15
210
74.15
213
74.15
215
74.15
216
74.15
217
74.15
219
flyai会员1582536970
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74.15。
74.15
220
flyai会员1596852425
batch数据为64，循环次数为90次，通过在线上环境完成训练，模型最优精度评分为74.15。
74.15
221
flyai会员1613615140
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74.15。
74.15
223
74.15
讨论（0）
500字
表情
发送
删除确认
是否删除该条评论？
取消 删除
这里还没有内容哦