安全帽佩戴检测

分享给好友

2019-09-30 10:00:00
开始提交

2019-11-11 20:00:00
最终提交结束

自由训练

20万元大奖(最新MacBook Pro+GPU资源)
报名参赛
  • 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]

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:
  • 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。

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