1024程序员节—蝴蝶分类开源竞赛

分享给好友

2020-10-22 12:00:00
开始提交

2020-11-30 20:00:00
最终提交结束

自由训练

奖金池 ¥ 3000+专属V100 GPU奖励
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

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
  • 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

细粒度图像分类问题是计算机视觉领域一项极具挑战的研究课题,为促进细粒度分类问题研究,本赛题结束后将开源优秀代码。欢迎更多算法科学家积极参与细粒度图像分类研究。

本赛题任务主要是通过对200类蝴蝶建立精准的分类模型。数据集大约有20,223张,涵盖200个物种,116属,23个亚科和5个科的四个不同级别。

参赛须知

参赛时间:2020.10.22 12:00:00-2020.11.30 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 价值7000元的Tesla-V100独享云资源(30天) (需满足激活条件后开启)
冠军奖 1人 1500元奖金 + 1000分钟Tesla-GPU云端训练时长
亚军奖 1人 800元奖金 + 500分钟Tesla-GPU云端训练时长
季军奖 1人 400元奖金 + 500分钟Tesla-GPU云端训练时长
第四名 1人 200元奖金
第五名 1人 100元奖金

奖励获取要求:

  • 上线时间:2020-10-22
  • 月排名奖结算时间:2020-11-30 20:00:00
  • 奖金获取标准:90<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);
  • 特别奖开启条件:需满足参赛有效成绩人数大于300,第一名获得该奖励,原第一名奖励顺位发放。
  • 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/172691.jpg
label str 标签 Loxura_atymnus

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\/172691.jpg"
}

输出字段:

{
    "label": "Loxura_atymnus"
}

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 90分 的成绩会在48小时内更新到排行榜,不要着急哦!
第三名

天涯·明月·刀

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93.06。

2020-11-28 05:03:12

93.06

大神经验
第三名

jesse01

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92.76。

2020-11-28 08:57:25

92.76

大神经验
第三名

trickornot

batch数据为1,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92.21。

2020-11-13 20:17:17

92.21

4

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91.81。

2020-11-05 03:31:20

91.81

5

Koolo233

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91.81。

2020-11-19 21:00:06

91.81

大神经验
6

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91.63。

2020-11-30 13:50:58

91.63

7

大木淡漠

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91.14。

2020-11-11 00:18:02

91.14

8

吴彦祖

batch数据为16,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90.23。

2020-11-30 01:48:34

90.23

9

Like

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89.66。

2020-11-21 11:06:04

89.66

10

4.2

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89.66。

2020-11-24 05:19:21

89.66

11

永力

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89.44。

2020-11-12 08:56:19

89.44

12

yunshao555

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88.98。

2020-11-08 16:56:55

88.98

13

黑羽

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85.82。

2020-11-30 09:09:45

85.82

14

glimmer

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84.67。

2020-11-01 04:59:43

84.67

15

adsfadiasdf

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84.53。

2020-11-28 23:29:24

84.53

16

小林子

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83.47。

2020-10-23 20:18:08

83.47

17

qqm

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78.30。

2020-11-29 20:06:38

78.30

18

jasnei

batch数据为48,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72.29。

2020-11-25 16:37:06

72.29

19

Tiernos

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63.96。

2020-11-10 09:34:16

63.96

20

chenfengshf

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58.86。

2020-11-23 20:59:57

58.86

21

hunk

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58.15。

2020-11-27 03:54:35

58.15

22

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56.47。

2020-10-28 07:15:29

56.47

23

QamFly

batch数据为16,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54.96。

2020-10-26 14:13:45

54.96

24

Muggle

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53.52。

2020-11-06 08:13:58

53.52

25

who

batch数据为32,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49.39。

2020-11-02 23:02:54

49.39

26

flyai会员1603955709

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48.40。

2020-11-02 20:34:22

48.40

27

gk966988

batch数据为16,循环次数为150次,通过在线上环境完成训练,模型最优精度评分为28.54。

2020-11-01 07:39:58

28.54

28

SunGang

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23.08。

2020-11-01 20:30:45

23.08

29

cyh12315

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13.94。

2020-10-29 06:49:14

13.94

30

想吃多但不想长胖

batch数据为32,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1.15。

2020-10-26 22:46:11

1.15

31

山代王

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0.51。

2020-11-16 19:56:32

0.51

32

ahaaaa

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0.30。

2020-10-21 10:46:34

0.30

33

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0.30。

2020-10-22 11:46:14

0.30

34

云淡风轻

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0.30。

2020-10-22 13:32:25

0.30

35

朱益军

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0.30。

2020-10-22 15:54:12

0.30

36

时光非礼了梦想

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0.30。

2020-10-22 16:20:31

0.30

37

温柔的包子

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0.30。

2020-10-22 16:27:29

0.30

38

约翰

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0.30。

2020-10-22 19:25:59

0.30

39

喝酸奶不舔盖

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0.30。

2020-10-22 20:24:34

0.30

40

持刀大怪兽

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0.30。

2020-10-22 23:52:34

0.30

41

flyai会员1603420380

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0.30。

2020-10-23 10:41:03

0.30

42

flyai会员1603424944

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0.30。

2020-10-23 11:52:14

0.30

43

老杜.

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0.30。

2020-10-24 18:52:03

0.30

44

ZeNongคิดถึง

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0.30。

2020-10-24 20:49:42

0.30

45

flyai会员1603024333

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0.30。

2020-10-25 09:44:35

0.30

46

Daoer

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0.30。

2020-10-25 10:50:58

0.30

47

夜空中最亮的星

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0.30。

2020-10-26 00:06:52

0.30

48

AI 菌

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0.30。

2020-10-26 15:31:45

0.30

49

科科1603711677

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0.30。

2020-10-26 19:37:04

0.30

50

TheRobot

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0.30。

2020-10-28 16:43:43

0.30

51

碔砆

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0.30。

2020-10-28 17:18:50

0.30

52

你若飘零20110

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0.30。

2020-10-28 17:21:47

0.30

53

17634329307

batch数据为64,循环次数为6000次,通过在线上环境完成训练,模型最优精度评分为0.30。

2020-10-29 17:53:18

0.30

54

HYE

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0.30。

2020-10-29 21:38:05

0.30

55

flyai会员1603420499

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0.30。

2020-10-29 21:53:12

0.30

56

CYJ

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0.30。

2020-10-30 11:30:38

0.30

57

HQHSM

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0.30。

2020-10-30 12:31:35

0.30

58

圣雪炎龙

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0.30。

2020-10-31 14:10:06

0.30

59

flyai会员1604372566

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0.30。

2020-11-03 11:05:26

0.30

60

lhbat

batch数据为32,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0.30。

2020-11-03 20:57:42

0.30

61

khi

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0.30。

2020-11-03 22:58:57

0.30

62

我、是个狠人

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0.30。

2020-11-03 23:02:18

0.30

63

好啦好啦

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0.30。

2020-11-06 10:58:09

0.30

64

法兰西多士

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0.30。

2020-11-10 10:07:56

0.30

65

SKMing

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0.30。

2020-11-10 10:32:32

0.30

66

双层吉士堡

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0.30。

2020-11-10 19:54:13

0.30

67

ChainWay

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0.30。

2020-11-10 20:40:22

0.30

68

研究生_不会深度学习

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0.30。

2020-11-10 20:47:41

0.30

69

flyai会员1605084521

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0.30。

2020-11-11 16:50:55

0.30

70

Stitch

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0.30。

2020-11-11 17:23:56

0.30

71

未不知不明不觉

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0.30。

2020-11-13 15:30:01

0.30

72

Charon_

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0.30。

2020-11-16 21:11:51

0.30

73

死猪一只

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0.30。

2020-11-17 17:57:34

0.30

74

flyai会员1604401951

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0.30。

2020-11-17 20:18:28

0.30

75

flyai会员1596852425

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0.30。

2020-11-19 16:51:44

0.30

76

EdwardJohn

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0.30。

2020-11-23 17:21:26

0.30

77

flyai会员1606391157

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0.30。

2020-11-26 19:48:18

0.30

78

Joe_Marco

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0.30。

2020-11-29 12:16:52

0.30

79

flyai会员1604809698

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0.30。

2020-11-30 16:48:36

0.30

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
$vue{item.user_name}

$vue{item.title} $vue{item.title}

$vue{items}
$vue{item.like_count}
$vue{item.comment_counts}
$vue{item.comment_counts}
阅读 $vue{item.views}

这里还没有内容哦

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