水表编号智能识别赛

分享给好友

2021-04-20 12:00:00
开始提交

2021-05-24 12:00:00
最终提交结束

自由训练

奖金池 ¥ 3,000
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

在目标识别应用场景中,智能识表技术投资和运维费用低、速度快、效率高,其应用前景广泛。尽管现在有大量的识别算法可以解决当前的需求,但还存在很多的问题,比如受到图像分辨率低和噪声的影响、半字识别问题解决的不好等等。

本次竞赛主要要求参赛者对复杂识别问题的研究和突破,建立精准的识别模型。

参赛须知

报名时间

2021-04-20 12:00:00 - 2021-05-24 12:00:00

提交时间

2021-04-20 12:00:00-2021-05-24 12:00:00

参赛时间:2021.04.20 12:00:00-2021.05.24 12:00:00

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 1500元奖金
亚军奖 1人 800元奖金
季军奖 1人 400元奖金
第四名 1人 200元奖金
第五名 1人 100元奖金

奖励获取要求:

  • 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,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 str 图片的相对路径 ./image/0.jpg
label str 标签 0,1,2,7,12

本数据集分布情况:训练集4000张图片,测试集1000张图片。本数据集中,水表数字编号共有20类。

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": "0,1,2,7,12"
}

评审指标说明

    排行榜精度评估说明

  • 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 分的成绩将会在24小时内展示在排行榜上哦!
第三名

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91.90。

2021-05-04 14:37:01

91.90

第三名

小林子

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91.50。

2021-05-05 00:31:56

91.50

第三名

兔子是菜鸟

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91.20。

2021-04-30 04:10:39

91.20

4

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91.20。

2021-05-13 10:04:54

91.20

5

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91.00。

2021-05-10 14:51:41

91.00

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90.60。

2021-04-22 10:34:52

90.60

7

Koolo233

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90.40。

2021-04-20 18:40:15

90.40

8

潘洛斯上的手

batch数据为64,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90.10。

2021-05-08 15:30:56

90.10

9

flyai会员1619162731

batch数据为128,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89.90。

2021-05-10 11:50:53

89.90

10

芦花似雪

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89.70。

2021-05-11 15:49:07

89.70

11

善假于物

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89.10。

2021-05-04 01:44:22

89.10

12

GDUT-渣硕

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88.40。

2021-04-29 12:26:10

88.40

13

小华

batch数据为128,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88.10。

2021-04-22 19:02:57

88.10

14

启荣

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87.40。

2021-04-27 20:14:05

87.40

15

Tina Gao

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87.10。

2021-05-11 18:23:14

87.10

16

朱聪

batch数据为64,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86.60。

2021-04-26 16:16:26

86.60

17

koervcor

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85.60。

2021-05-02 23:45:51

85.60

18

幸运草阿

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85.60。

2021-05-07 23:06:57

85.60

19

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85.60。

2021-05-07 23:55:05

85.60

20

luo1619485990

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81.50。

2021-05-10 13:36:22

81.50

21

ZedxY

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64.20。

2021-05-02 19:44:23

64.20

22

样例代码

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0.10。

2021-02-06 11:57:21

0.10

23

xd.l

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0.10。

2021-04-19 18:24:24

0.10

24

vForce

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0.10。

2021-04-20 14:17:13

0.10

25

温柔的包子

batch数据为128,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0.10。

2021-04-20 14:31:24

0.10

26

刀叨

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0.10。

2021-04-20 14:44:20

0.10

27

对方正在输入。

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0.10。

2021-04-20 14:46:11

0.10

28

有机会一起玩轮滑

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0.10。

2021-04-20 14:47:05

0.10

29

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0.10。

2021-04-20 16:52:04

0.10

30

SunshineJACK

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0.10。

2021-04-20 17:11:40

0.10

31

flyai会员1613920390

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0.10。

2021-04-20 18:42:50

0.10

32

GoD-DoG

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0.10。

2021-04-20 18:50:16

0.10

33

NingAnMe

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0.10。

2021-04-20 19:17:04

0.10

34

Fanbam

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0.10。

2021-04-20 21:20:32

0.10

35

Keven Ge

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0.10。

2021-04-21 10:21:21

0.10

36

李成文

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0.10。

2021-04-21 12:17:28

0.10

37

我叫风〇

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0.10。

2021-04-21 13:31:30

0.10

38

Beausoft

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0.10。

2021-04-22 12:17:08

0.10

39

cyh1581430602

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0.10。

2021-04-22 15:03:30

0.10

40

咕嘟咪

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0.10。

2021-04-23 10:26:03

0.10

41

是阿正

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0.10。

2021-04-23 17:47:53

0.10

42

指间砂

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0.10。

2021-04-24 11:38:58

0.10

43

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0.10。

2021-04-24 19:19:26

0.10

44

chenfengshf

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0.10。

2021-04-26 13:55:29

0.10

45

...1618554927

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0.10。

2021-04-26 15:17:18

0.10

46

flyai会员1619453345

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0.10。

2021-04-27 00:11:02

0.10

47

洋气

batch数据为500,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0.10。

2021-04-28 07:56:39

0.10

48

涅槃

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0.10。

2021-04-30 09:20:29

0.10

49

Novice1573523293

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0.10。

2021-05-04 13:01:31

0.10

50

Carol

batch数据为16,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0.10。

2021-05-04 15:41:21

0.10

51

flyai会员1607995810

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0.10。

2021-05-04 19:41:42

0.10

52

wwk

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0.10。

2021-05-06 13:50:30

0.10

53

zhengcong

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0.10。

2021-05-06 15:15:15

0.10

54

flyai会员1620291741

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0.10。

2021-05-06 17:07:27

0.10

55

卡卡卡布奇诺

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0.10。

2021-05-07 09:12:15

0.10

56

黄坚

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0.10。

2021-05-08 17:25:06

0.10

57

Wing

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0.10。

2021-05-08 17:36:52

0.10

58

萤火虫de光

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0.10。

2021-05-10 14:23:59

0.10

59

hsilence

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0.00。

2021-04-21 15:42:46

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
$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