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
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

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

  • 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)
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,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_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。

$vue{item.rank_name}

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

提供者:芦花似雪

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100.00。

2020-12-03 00:29:26

100.00

大神经验
第三名

提供者:Koolo233

batch数据为9,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100.00。

2020-12-04 18:25:19

100.00

大神经验
第三名

提供者: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100.00。

2020-12-05 02:46:15

100.00

大神经验
4

提供者:HelloWor1d

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100.00。

2020-12-05 23:00:41

100.00

大神经验
5

提供者:trickornot

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100.00。

2020-12-10 12:44:31

100.00

6

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100.00。

2020-12-11 00:41:55

100.00

7

提供者: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100.00。

2020-12-18 21:00:19

100.00

8

提供者:Liyy

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100.00。

2020-12-19 12:39:24

100.00

9

提供者:飞机啦啦啦

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100.00。

2021-01-08 19:26:21

100.00

10

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99.98。

2020-12-07 21:04:09

99.98

11

提供者: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99.96。

2020-12-08 16:04:57

99.96

12

提供者:黑羽

通过在线上环境完成训练,模型最优精度评分为99.96。

2020-12-30 09:24:59

99.96

13

提供者:吴彦祖

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99.94。

2020-12-11 18:13:43

99.94

14

提供者:小风

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99.94。

2021-01-07 21:34:46

99.94

15

提供者:星辰大海

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99.92。

2020-12-28 17:34:12

99.92

16

提供者:chenfengshf

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96.68。

hanhan

cosin-s

2020-12-19 13:01:13

96.68

17

提供者:Licsber

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86.44。

PyTorch

cosin-s

2020-12-07 20:36:21

86.44

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50.01。

2020-12-01 15:09:56

50.01

19

提供者: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50.01。

2020-12-02 20:08:40

50.01

20

提供者:风雨兼程

batch数据为128,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50.01。

2020-12-02 20:14:53

50.01

21

提供者:非黑即白

batch数据为56,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50.01。

2020-12-06 21:17:51

50.01

22

提供者:鹿潞

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50.01。

2020-12-14 23:01:53

50.01

23

提供者:hunk

batch数据为64,循环次数为10000次,通过在线上环境完成训练,模型最优精度评分为50.01。

2020-12-18 03:17:23

50.01

24

提供者:muppet

batch数据为500,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50.01。

2020-12-20 09:30:01

50.01

25

提供者:我要喝果汁

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50.01。

2020-12-21 17:28:18

50.01

26

提供者:Hurry.

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50.01。

2020-12-30 14:55:59

50.01

27

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48.41。

2020-12-04 00:25:28

48.41

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