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)
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
  • 赛事介绍
  • 竞赛排行榜
  • 讨论($vue{comment_count})

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

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

  • 方式一:
  • 在线查看样例根据FlyAI样例模版实现算法并使用云端免费GPU进行模型训练获得最终成绩得分
  • 方式二:
  • 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,在本地进行代码调试的教程请查看[文档中心]

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,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
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。

$vue{item.rank_name}

超过 85分 的成绩会在48小时内更新到排行榜,不要着急哦!
第三名

提供者:他的国

batch数据为4,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97.15。

2019-11-05 04:06:46

97.15

第三名

提供者:qqm

batch数据为4,循环次数为40次,通过在线上环境完成训练,模型最优精度评分为96.89。

2019-11-11 06:40:37

96.89

第三名

提供者:Hugh

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96.64。

2019-11-08 23:14:09

96.64

4

提供者:trickornot

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96.48。

2019-11-09 16:21:23

96.48

5

提供者:呵了个呵。

batch数据为8,循环次数为15次,通过在线上环境完成训练,模型最优精度评分为96.24。

2019-11-11 19:43:24

96.24

6

提供者:Zyt

100.00

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96.14。

2019-11-09 23:28:35

100.00

96.14

7

提供者:小克

100.00

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95.44。

2019-11-07 13:12:06

100.00

95.44

8

提供者:invisprints

batch数据为16,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95.07。

2019-11-03 04:59:08

95.07

9

提供者:流年相摧

batch数据为8,循环次数为25次,通过在线上环境完成训练,模型最优精度评分为95.01。

2019-11-07 11:19:36

95.01

10

提供者:前排板凳瓜子

100.00

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94.79。

2019-11-11 14:03:03

100.00

94.79

11

提供者:龙傲天

100.00

batch数据为4,循环次数为15次,通过在线上环境完成训练,模型最优精度评分为94.61。

2019-11-05 22:32:27

100.00

94.61

12

提供者:小林子

100.00

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87.88。

2019-11-03 07:39:33

100.00

87.88

13

提供者:AMERICA

50.00

batch数据为50,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。

2019-10-07 16:31:57

50.00

87.21

14

提供者: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

提供者:gboy

50.00

batch数据为1,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86.76。

2019-11-08 22:45:15

50.00

86.76

16

提供者:永不息的舞步

50.00

batch数据为3,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86.62。

2019-10-30 06:25:35

50.00

86.62

17

提供者:快来追我呀

50.00

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86.14。

2019-11-06 23:47:30

50.00

86.14

18

提供者:宇宙

50.00

batch数据为4,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85.69。

2019-10-03 05:31:04

50.00

85.69

19

提供者: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。

2019-10-13 17:48:24

50.00

82.64

20

提供者:苏晓伟

50.00

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80.48。

2019-11-05 12:53:20

50.00

80.48

21

提供者:Mengcius

50.00

batch数据为64,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80.22。

2019-10-28 15:52:29

50.00

80.22

22

提供者:heihei

50.00

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77.90。

2019-10-01 15:55:31

50.00

77.90

23

提供者:天涯·明月·刀

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76.74。

2019-10-11 00:33:08

76.74

24

提供者:蔡洪浩

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。

2019-09-30 15:57:17

74.15

25

提供者:幸猴儿

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。

2019-09-30 16:26:56

74.15

26

提供者:人间世

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。

2019-09-30 16:53:56

74.15

27

提供者:余生有我

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。

2019-09-30 17:42:57

74.15

28

提供者:天雨龙马

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。

TensorFlow

ResU-Net

2019-10-01 19:58:04

74.15

29

提供者:

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。

2019-10-01 21:07:16

74.15

30

提供者:好吧不好吧你都用

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。

2019-10-02 16:45:07

74.15

31

提供者:越菜越沉默

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。

2019-10-02 21:39:09

74.15

32

提供者:qck15570179927

batch数据为10,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。

2019-10-02 22:18:45

74.15

33

提供者:Tangtowns

batch数据为32,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。

2019-10-03 10:34:34

74.15

34

提供者:zytqxj

batch数据为64,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74.15。

2019-10-06 12:40:11

74.15

35

提供者:〰

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。

2019-10-06 13:05:01

74.15

36

提供者:399

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。

2019-10-06 17:23:21

74.15

37

提供者:Joshua

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74.15。

2019-10-06 20:08:50

74.15

38

提供者:宏峰

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。

2019-10-06 21:36:14

74.15

39

提供者:旧街

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。

2019-10-06 22:39:14

74.15

40

提供者:三年二班豆豆子

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。

2019-10-06 23:36:21

74.15

41

提供者:柳靖节

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。

2019-10-07 13:42:02

74.15

42

提供者:xlzi

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。

2019-10-07 14:03:57

74.15

43

提供者:VicCao

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。

2019-10-07 14:14:34

74.15

44

提供者:Mt

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。

2019-10-07 14:45:48

74.15

45

提供者:init 6

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。

2019-10-07 21:30:16

74.15

46

提供者:默语之声

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74.15。

2019-10-08 11:15:16

74.15

47

提供者:云鹏

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74.15。

2019-10-08 11:16:55

74.15

48

提供者:湘萍

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。

2019-10-08 18:01:00

74.15

49

提供者:cnn

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。

2019-10-09 12:08:48

74.15

50

提供者:sishiwu

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。

2019-10-09 12:10:03

74.15

51

提供者:鲁超

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74.15。

2019-10-09 14:57:38

74.15

52

提供者:芝士都给你吃

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。

2019-10-09 15:22:18

74.15

53

提供者:YYin

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。

2019-10-09 16:39:53

74.15

54

提供者:Nick1557218090

batch数据为64,循环次数为18次,通过在线上环境完成训练,模型最优精度评分为74.15。

2019-10-09 17:42:02

74.15

55

提供者:北部湾的落日

batch数据为32,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74.15。

2019-10-09 19:14:06

74.15

56

提供者:草绛ly

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。

2019-10-09 21:55:32

74.15

57

提供者:astron

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。

2019-10-09 23:37:32

74.15

58

提供者:hhhhhh

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。

2019-10-10 10:32:17

74.15

59

提供者:小哒

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。

2019-10-10 10:55:57

74.15

60

提供者:happy1570025016

batch数据为4,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74.15。

2019-10-10 11:26:06

74.15

61

提供者:星空1570694331

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。

2019-10-10 16:08:57

74.15

62

提供者:鹦武鸟

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。

2019-10-10 19:58:15

74.15

63

提供者:王岭峻

batch数据为10,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74.15。

2019-10-10 21:24:26

74.15

64

提供者:yosef

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74.15。

2019-10-11 09:52:29

74.15

65

提供者:seaside

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。

2019-10-11 14:13:24

74.15

66

提供者:Hello world

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。

2019-10-11 16:40:18

74.15

67

提供者:菜的掉渣

batch数据为64,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74.15。

2019-10-11 20:17:22

74.15

68

提供者:谢朝锋

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。

2019-10-11 22:48:51

74.15

69

提供者:佚

batch数据为32,循环次数为220次,通过在线上环境完成训练,模型最优精度评分为74.15。

2019-10-12 01:03:13

74.15

70

提供者:努力的小蜗牛

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。

2019-10-12 10:44:31

74.15

71

提供者:qiang cao

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。

2019-10-12 18:19:14

74.15

72

提供者:学霸

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74.15。

2019-10-12 20:17:04

74.15

73

提供者:迷途小书童

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74.15。

2019-10-13 11:45:01

74.15

74

提供者:王明阳

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。

2019-10-13 13:56:05

74.15

75

提供者:scut_ylh

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。

2019-10-13 13:58:23

74.15

76

提供者:tartarus

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。

2019-10-13 19:18:02

74.15

77

提供者:迟到的幸运儿

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。

2019-10-13 21:23:17

74.15

78

提供者:铄程

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。

2019-10-13 21:51:22

74.15

79

提供者:南

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。

2019-10-14 12:10:53

74.15

80

提供者:hajohn

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。

2019-10-14 15:25:06

74.15

81

提供者:大头怪

batch数据为8,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74.15。

2019-10-14 18:16:20

74.15

82

提供者:sw2009

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。

2019-10-14 20:39:47

74.15

83

提供者:小熊57567

batch数据为64,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74.15。

2019-10-14 22:00:58

74.15

84

提供者:wonderfu

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。

2019-10-15 00:36:11

74.15

85

提供者:50%

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。

2019-10-15 14:40:22

74.15

86

提供者:Limbor

batch数据为4,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74.15。

2019-10-15 16:06:47

74.15

87

提供者:辰1571127263

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。

2019-10-15 16:17:06

74.15

88

提供者:夏先生®

batch数据为64,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74.15。

2019-10-15 16:18:12

74.15

89

提供者:不想成为洛必达

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74.15。

2019-10-15 16:34:25

74.15

90

提供者:蒲公英

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。

2019-10-15 18:46:34

74.15

91

提供者:颠倒梦想

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。

2019-10-16 09:17:26

74.15

92

提供者:林奇

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。

2019-10-16 16:56:39

74.15

93

提供者:NineRuiing

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74.15。

2019-10-16 17:59:27

74.15

94

提供者:卿

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。

2019-10-16 22:45:09

74.15

95

提供者:文兆林

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。

2019-10-17 00:01:01

74.15

96

提供者:轱辘咕噜

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。

2019-10-17 11:00:14

74.15

97

提供者:一一

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。

2019-10-17 12:44:39

74.15

98

提供者:王坤

batch数据为64,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。

2019-10-17 14:27:20

74.15

99

提供者:埼玉不秃头

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74.15。

2019-10-17 20:12:29

74.15

100

提供者:luoyetx

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。

2019-10-17 22:52:06

74.15

101

提供者:李阳

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。

2019-10-18 11:30:19

74.15

102

提供者:NR

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。

2019-10-18 19:37:30

74.15

103

提供者:贝壳里的海

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。

2019-10-19 10:10:53

74.15

104

提供者:务必顾全大橘

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。

2019-10-19 19:02:56

74.15

105

提供者:毛国庆

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。

2019-10-20 08:00:24

74.15

106

提供者:Soulspirit

batch数据为12,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。

2019-10-20 09:22:11

74.15

107

提供者:王冠

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。

2019-10-20 11:29:18

74.15

108

提供者:江宇

batch数据为64,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74.15。

2019-10-20 13:38:15

74.15

109

提供者:KG1571542416

batch数据为64,循环次数为4次,通过在线上环境完成训练,模型最优精度评分为74.15。

2019-10-20 15:41:14

74.15

110

提供者: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。

2019-10-20 16:10:25

74.15

111

提供者:DMINER

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74.15。

2019-10-21 10:48:32

74.15

112

提供者:三

batch数据为64,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74.15。

2019-10-21 23:08:05

74.15

113

提供者:机器学渣

batch数据为64,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74.15。

2019-10-22 17:17:42

74.15

114

提供者:依小窗

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。

2019-10-22 17:48:23

74.15

115

提供者:rhapsody

batch数据为32,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。

2019-10-22 18:34:24

74.15

116

提供者:灰

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。

2019-10-22 21:57:11

74.15

117

提供者:淦秋士

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。

2019-10-22 22:34:32

74.15

118

提供者:易之

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。

2019-10-23 00:45:39

74.15

119

提供者:家颖

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。

2019-10-23 00:47:59

74.15

120

提供者:略暖

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。

2019-10-23 00:50:11

74.15

121

提供者:春玲

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。

2019-10-23 00:55:41

74.15

122

提供者:猪猪

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。

2019-10-23 00:58:11

74.15

123

提供者:一生戎装.戒掉半世后唐

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。

2019-10-23 03:27:12

74.15

124

提供者:泡泡

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。

2019-10-23 08:29:27

74.15

125

提供者:mlazio

batch数据为8,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。

2019-10-23 09:44:33

74.15

126

提供者:金文东

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。

2019-10-23 10:02:34

74.15

127

提供者:丶宣

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。

2019-10-23 10:47:07

74.15

128

提供者:David李

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。

2019-10-23 11:27:22

74.15

129

提供者:sombra

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。

2019-10-23 11:43:38

74.15

130

提供者:Floong

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。

2019-10-23 13:28:06

74.15

131

提供者:朱程程

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74.15。

2019-10-23 15:20:20

74.15

132

提供者:素花

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。

2019-10-23 19:07:41

74.15

133

提供者:千绿

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。

2019-10-23 19:24:57

74.15

134

提供者:问梅

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。

2019-10-23 19:33:09

74.15

135

提供者:丹南

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。

2019-10-23 19:38:42

74.15

136

提供者:雪梦

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。

2019-10-23 19:43:39

74.15

137

提供者:海筠

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。

2019-10-23 19:46:33

74.15

138

提供者:夜蓉

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。

2019-10-23 19:50:15

74.15

139

提供者:不见

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。

2019-10-23 19:53:39

74.15

140

提供者:萧然

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。

2019-10-23 19:56:33

74.15

141

提供者:佳悦

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。

2019-10-23 19:58:42

74.15

142

提供者:蓉华

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。

2019-10-23 20:01:51

74.15

143

提供者:薄荷糖

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。

2019-10-23 20:06:09

74.15

144

提供者:琳敏

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。

2019-10-23 20:10:00

74.15

145

提供者:花海1571760698

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。

2019-10-23 20:13:45

74.15

146

提供者:清欢

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74.15。

2019-10-23 21:12:42

74.15

147

提供者:ಠ ಠ

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。

2019-10-23 21:21:33

74.15

148

提供者:208.

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。

2019-10-24 10:47:10

74.15

149

提供者:汤包岂是盘中物

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74.15。

2019-10-24 15:41:29

74.15

150

提供者:未命名online

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。

2019-10-24 20:09:28

74.15

151

提供者:Swaggy

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。

2019-10-24 21:01:59

74.15

152

提供者:星期八。

batch数据为128,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。

2019-10-24 21:36:11

74.15

153

提供者:WhhW

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74.15。

2019-10-24 23:27:41

74.15

154

提供者:MUCH

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。

2019-10-25 18:54:09

74.15

155

提供者:领衔主演

batch数据为64,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74.15。

2019-10-25 21:47:13

74.15

156

提供者:kwas

batch数据为64,循环次数为8次,通过在线上环境完成训练,模型最优精度评分为74.15。

2019-10-26 00:12:51

74.15

157

提供者:##mark

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。

2019-10-26 17:42:07

74.15

158

提供者:黄花寒后难逢蝶

batch数据为64,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74.15。

2019-10-26 19:53:20

74.15

159

提供者:陈成1572135692

batch数据为4,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。

2019-10-27 09:02:05

74.15

160

提供者:Murphy_Marx

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。

2019-10-27 12:57:04

74.15

161

提供者:emmm我还没想好

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。

2019-10-28 11:04:47

74.15

162

提供者:dx9527

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。

2019-10-28 23:42:34

74.15

163

提供者:哈哈哈1572280504

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74.15。

2019-10-29 00:37:31

74.15

164

提供者:开拓者

batch数据为64,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74.15。

2019-10-29 10:48:57

74.15

165

提供者:陈钊

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。

2019-10-29 14:27:40

74.15

166

提供者:蜗牛、Gray

batch数据为20,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。

2019-10-29 19:53:09

74.15

167

提供者:大鹏鹏

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。

2019-10-29 22:25:55

74.15

168

提供者:冷于冰

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74.15。

2019-10-30 00:19:04

74.15

169

提供者:嘻嘻嘻哈哈

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。

2019-10-30 10:37:50

74.15

170

提供者:Jeremy

batch数据为128,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74.15。

2019-10-30 20:27:28

74.15

171

提供者:阳光晒到脚丫子了

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。

2019-10-30 20:50:26

74.15

172

提供者:王文斌

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74.15。

2019-10-31 08:51:46

74.15

173

提供者:小宋同志

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。

2019-10-31 10:12:34

74.15

174

提供者:Hello

batch数据为32,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。

2019-10-31 20:25:33

74.15

175

提供者:jiao_xd17

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。

2019-10-31 21:57:29

74.15

176

提供者:张小张

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。

2019-11-01 00:43:29

74.15

177

提供者:雁过寒潭

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74.15。

2019-11-01 10:25:24

74.15

178

提供者:glimmer

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。

2019-11-01 11:13:00

74.15

179

提供者:      1572262958

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。

2019-11-01 11:32:33

74.15

180

提供者:Happy Lemon

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。

2019-11-01 12:10:23

74.15

181

提供者:多云转晴

batch数据为4,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74.15。

2019-11-01 15:27:39

74.15

182

提供者:小东西

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。

2019-11-01 20:12:58

74.15

183

提供者:AI61

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。

2019-11-01 20:52:16

74.15

184

提供者:deyiwang

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74.15。

2019-11-01 22:12:35

74.15

185

提供者:yangmijing

batch数据为32,循环次数为600次,通过在线上环境完成训练,模型最优精度评分为74.15。

2019-11-02 11:56:44

74.15

186

提供者:王东意

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74.15。

2019-11-02 13:33:01

74.15

187

提供者:.1569119413

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74.15。

2019-11-03 09:43:07

74.15

188

提供者:马鹏程

batch数据为64,循环次数为2000次,通过在线上环境完成训练,模型最优精度评分为74.15。

2019-11-04 11:24:44

74.15

189

提供者:lifeplayer

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。

2019-11-04 13:56:00

74.15

190

提供者:cryan1572855419

batch数据为2,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。

2019-11-04 16:25:04

74.15

191

提供者:LIYOUSHUI

batch数据为500,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74.15。

2019-11-04 17:07:49

74.15

192

提供者:LVgm

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。

2019-11-04 21:49:45

74.15

193

提供者:潜龙

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。

2019-11-05 08:40:11

74.15

194

提供者:十三

batch数据为64,循环次数为500次,通过在线上环境完成训练,模型最优精度评分为74.15。

2019-11-05 09:24:48

74.15

195

提供者:heboyong

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。

2019-11-06 16:04:48

74.15

196

提供者:西北风

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74.15。

PyTorch

MobileNet-SSD

2019-11-06 20:37:16

74.15

197

提供者:半醒的阳光

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。

2019-11-07 08:35:54

74.15

198

提供者:浮华寂灭

batch数据为64,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74.15。

2019-11-07 12:53:50

74.15

199

提供者:蛋蛋白

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74.15。

2019-11-08 11:01:11

74.15

200

提供者:璟。

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。

2019-11-08 11:15:39

74.15

201

提供者:Urw Lee

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。

2019-11-08 16:31:07

74.15

202

提供者:听白

batch数据为32,循环次数为15次,通过在线上环境完成训练,模型最优精度评分为74.15。

2019-11-08 16:58:33

74.15

203

提供者: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。

2019-11-08 17:00:36

74.15

204

提供者:黄劲潮

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。

2019-11-08 23:46:10

74.15

205

提供者:xiejc

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。

2019-11-09 09:28:52

74.15

206

提供者:Monica

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50.94。

2019-11-07 19:15:49

50.94

207

提供者:Scarlatti

batch数据为20,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7.71。

2019-10-02 01:24:55

7.71

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

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