手指指纹识别开源竞赛

分享给好友

2020-12-01 12:00:00
开始提交

2021-01-08 20:00:00
最终提交结束

自由训练

奖金池 ¥ 4000+最新A100限量体验
报名参赛
  • 赛事介绍
  • 竞赛排行榜
  • 讨论(65)
  • 学习资源

大赛简介

指纹识别技术的应用非常广泛：典型的脱机应用有指纹锁，指纹保险柜、指纹考勤系统等；联机应用有电子银行，自动取款机、电子商务等。目前以指纹为代表的生物特征识别技术有望在将来的公共领域和民用领域扮演更重要的角色。

数据集说明：

• 指纹数据集由将近5000张指纹构成基础数据，然后通过一些数据增强操作如擦除、旋转等生成了更多的指纹数据。该训练数据集一共包含16844张指纹图像。所有指纹图像的分辨率为1×96×103（灰×宽×高）。

• 本项目为图像识别类项目，不是分类项目。所以训练数据集样本仅提供两两匹配的情况，其它情况请参赛选手自行处理数据。评估数据集中含有不匹配的样本数据，需要参赛者通过提升模型的识别能力来提高最终比赛分数。

本赛题结束后将开源优秀代码。

参赛须知

参赛时间：2020.12.01 12:00:00-2021.01.08 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)
大牛福利 第一名 另外赠送一个月的NVIDIA-A100云端GPU体验资格（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 + 300分钟Tesla-GPU云端训练时长
第五名 1人 100元奖金 + 300分钟Tesla-GPU云端训练时长
满分鼓励奖 10人 本比赛除前5名成绩外，最先达到“100分”的10名参赛者可获得100元奖金鼓励

奖励获取要求:

  • 上线时间：2020-12-01
  • 月排名奖结算时间：2021-01-08 20:00:00
  • 奖金获取标准：90<Score 根据排名获得奖金
  • 大牛福利开启条件：需满足排行榜非样例的成绩人数大于100人
  • 使用非模型训练方式计算的成绩视为无效，无法获取奖金
  • 比赛结束两周时间内，获得奖金的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_1 str 图片的相对路径 image/4900.BMP
image_path_2 str 图片的相对路径 image/12634.BMP
label int 标签 1

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_1": "image\/4900.BMP",
    "image_path_2": "image\/12634.BMP"
}

输出字段： 

{
    "label": "1"
}

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。

挑战者大赛 官方交流群

请使用微信扫一扫功能，扫描二维码添加工作人员微信添加请备注"大赛主题名称"

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