$vue{csvName == '' ? '仅支持上传 CSV 格式的文件' : csvName+' 上传中...'}
$vue{csvName}上传成功
取消
确认提交
- 赛事介绍
- 竞赛排行榜
- 讨论($vue{comment_count})
- 学习资源
$vue{item.rank_name}
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
- 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) |
|---|---|---|
| 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。
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。
超过 80分 的成绩会在48小时内更新到排行榜，不要着急哦！
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。
2020-10-16 13:48:54
2500.00
87.06
大神经验
5
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
200.00
84.25
大神经验
68
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。
2022-04-18 16:41:36
0.00
69
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。
2022-05-26 22:52:19
0.00
讨论
500字
表情
删除确认
是否删除该条评论？
取消
删除
这里还没有内容哦