手写英文字体识别(名企内推)

分享给好友

2020-09-16 12:00:00
开始提交

2020-10-16 20:00:00
最终提交结束

自由训练

奖金池 ¥ 5000
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

该数据集包含通过慈善项目收集的超过40万个手写英文姓名。由于个人手写风格的差异化,对于机器识别手写字符来说仍然构成困难的挑战,所以要求参赛者通过建立预测模型实现精准的手写字体识别。

参赛须知

参赛时间:2020.09.16 12:00:00-2020.10.16 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)
冠军奖 1人 2500元奖金 + 互联网名企内推(详情请咨询小助手)+ 1500分钟GPU时长
亚军奖 1人 1500元奖金 + 互联网名企内推 + 1000分钟GPU时长
季军奖 1人 500元奖金 + 互联网名企内推 + 500分钟GPU时长
第四名 1人 300元奖金
第五名 1人 200元奖金

奖励获取要求:

  • 上线时间:2020-09-16
  • 月排名奖结算时间:2020-10-16 20:00:00
  • 奖金获取标准:80<Score 根据排名获得奖金
  • 比赛结束两周时间内,前5名参赛者需提供文档格式赛题解决思路和15分钟以上的PPT答辩视频(FlyAI提供模版);
  • 温馨提示:未在有效时间内提供答辩经验的参赛者,视为放弃奖励资格哦!

赛事主题和数据说明

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 样例
train.csv image_path str 图片的相对路径 image/0.jpg
label str 标签 MATHEO

评审标准

算法输入输出格式

系统评估时,要求参赛者必须在predict方法中接收到输入和评估返回的结果输出,格式如下所示。

输入字段:

{
    "image_path": "image\/0.jpg"
}

输出字段:

{
    "label": "MATHEO"
}

评审指标说明

  • 准确率(Accuracy):对于给定的测试数据集,预测正确的样本数与实际总样本数之比
  • True,表示预测正确的样本数数量
  • Total Number of Samples,表示实际总样本数数量
  • 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prediction.py中的load_model和predict方法。系统使用这些方法评估模型算出评分。

$vue{item.rank_name}

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

提供者:别人的公园

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87.06。

scikit-learn

XGBoost

2020-10-16 13:48:54

87.06

大神经验
第三名

提供者:有啥tricks

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86.28。

2020-10-13 13:58:35

86.28

大神经验
第三名

提供者:Koolo233

batch数据为16,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84.61。

2020-10-12 17:44:15

84.61

大神经验
4

提供者:江水

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84.61。

2020-10-13 05:29:16

84.61

大神经验
5

提供者:快来追我呀

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84.25。

2020-10-15 12:34:50

84.25

大神经验
6

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84.22。

2020-10-16 01:39:26

84.22

7

提供者:gboy

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84.05。

2020-10-15 18:40:23

84.05

8

提供者:大木淡漠

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83.89。

2020-10-15 15:44:19

83.89

9

提供者:芦花似雪

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80.08。

2020-09-29 05:46:38

80.08

10

提供者:yunshao555

batch数据为256,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79.71。

2020-10-05 12:54:41

79.71

11

提供者:黄花寒后难逢蝶

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78.10。

2020-10-07 16:49:27

78.10

12

提供者:永力

batch数据为1,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76.32。

2020-10-12 07:16:34

76.32

13

提供者:乐乐乐

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71.22。

2020-10-06 15:10:57

71.22

14

提供者:刘新放

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67.98。

2020-10-14 12:14:15

67.98

15

提供者:hunk

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63.73。

2020-10-01 20:39:54

63.73

16

提供者:Hawk

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49.16。

2020-10-16 17:29:42

49.16

17

提供者:chenfengshf

batch数据为4,循环次数为11次,通过在线上环境完成训练,模型最优精度评分为0.94。

2020-10-14 15:49:48

0.94

18

提供者:样例代码

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0.00。

2020-09-14 20:35:29

0.00

19

提供者:

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0.00。

2020-09-16 14:38:14

0.00

20

提供者:wellstar

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0.00。

2020-09-16 15:54:11

0.00

21

提供者:喵喵喵

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0.00。

2020-09-16 16:50:35

0.00

22

提供者:渐闻流水潺潺

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。

2020-09-17 22:47:11

0.00

23

提供者:赵钦

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0.00。

2020-09-18 14:31:07

0.00

24

提供者:~ - ~

batch数据为64,循环次数为120次,通过在线上环境完成训练,模型最优精度评分为0.00。

2020-09-18 14:33:49

0.00

25

提供者:Morgandas

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0.00。

2020-09-18 15:31:05

0.00

26

提供者:挺好的

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0.00。

2020-09-18 22:26:35

0.00

27

提供者:jesse01

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0.00。

2020-09-19 12:55:23

0.00

28

提供者:aiyaya

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0.00。

2020-09-21 10:20:18

0.00

29

提供者:是阿正

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0.00。

2020-09-21 10:42:35

0.00

30

提供者:flyai会员1600662432

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0.00。

2020-09-21 12:31:42

0.00

31

提供者:Charles Z

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0.00。

2020-09-21 16:07:46

0.00

32

提供者:开讲啦

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0.00。

2020-09-23 16:56:36

0.00

33

提供者:flyai会员1600853525

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0.00。

2020-09-23 17:47:09

0.00

34

提供者:Dαβ

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0.00。

2020-09-24 16:24:52

0.00

35

提供者:wsn

batch数据为64,循环次数为300次,通过在线上环境完成训练,模型最优精度评分为0.00。

2020-09-25 14:09:12

0.00

36

提供者:氕氘氚

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0.00。

2020-09-25 22:54:15

0.00

37

提供者:AI是啥

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0.00。

2020-09-26 15:47:47

0.00

38

提供者:对对眼

batch数据为128,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。

2020-09-27 17:11:48

0.00

39

提供者:flyai会员1601227552

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0.00。

2020-09-28 01:28:26

0.00

40

提供者:伪君子

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0.00。

2020-10-01 21:07:41

0.00

41

提供者:DanielZhang

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0.00。

2020-10-08 17:50:32

0.00

42

提供者:flyai会员1602514542

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0.00。

2020-10-12 22:57:16

0.00

43

提供者:AugustQi

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0.00。

2020-10-13 11:35:39

0.00

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