$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
颜值预测（facial beauty prediction，FBP）是使人脸魅力评估达到人类感知程度的重要视觉识别问题。该项目数据集共有5500个正面人脸，具有不同的属性(男性/女性，亚洲/白人，年龄)和不同的标签(面部标志，5个等级的颜值分数，颜值分数分布) ，这使得不同的计算模型具有不同的颜值预测范式。
所有图片都被标注了颜值的分数，从[0,5]不等。
参赛须知
报名时间
2021-03-23 12:00:00 - 2021-04-26 12:00:00
提交时间
2021-03-23 12:00:00-2021-04-26 12:00:00
参赛时间：2021.03.23 12:00:00-2021.04.26 12:00:00
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 | 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：95<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。
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 | float | 标签 | 3.71 |
本数据集分布情况：训练集4400张图片，测试集1100张图片。
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": "3.71"
}评审指标说明
- 均方根误差（RMSE）：用于指示模型在预测中会产生多大的误差，对于较大的误差，权重较高。
- 计算公式如下：
排行榜精度评估说明
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 95 分的成绩将会在24小时内展示在排行榜上哦!
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85.51，模型运算速度为0.0012s。
2021-02-06 14:54:41
85.51
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85.51，模型运算速度为0.0012s。
2021-03-23 15:05:44
85.51
batch数据为64，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85.51，模型运算速度为0.0012s。
2021-03-23 15:14:33
85.51
4
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85.51，模型运算速度为0.0012s。
2021-03-23 15:56:33
85.51
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85.51，模型运算速度为0.0012s。
2021-03-23 17:23:17
85.51
6
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85.51，模型运算速度为0.0012s。
2021-03-23 21:45:07
85.51
7
85.51
8
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85.51，模型运算速度为0.0012s。
2021-03-24 09:30:43
85.51
9
batch数据为256，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85.51，模型运算速度为0.0012s。
2021-03-24 10:03:18
85.51
10
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85.51，模型运算速度为0.0012s。
2021-03-24 17:38:24
85.51
11
batch数据为1，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85.51，模型运算速度为0.0012s。
2021-03-24 18:03:39
85.51
12
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85.51，模型运算速度为0.0012s。
2021-03-26 09:56:18
85.51
13
85.51
14
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85.51，模型运算速度为0.0012s。
2021-03-26 22:55:35
85.51
15
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85.51，模型运算速度为0.0012s。
2021-03-29 13:46:35
85.51
16
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85.51，模型运算速度为0.0012s。
2021-03-29 16:28:46
85.51
17
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85.51，模型运算速度为0.0012s。
2021-03-30 10:18:00
85.51
18
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85.51，模型运算速度为0.0012s。
2021-03-30 10:25:07
85.51
19
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85.51，模型运算速度为0.0012s。
2021-03-30 19:57:38
85.51
20
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85.51，模型运算速度为0.0012s。
2021-03-31 09:46:03
85.51
21
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85.51，模型运算速度为0.0012s。
2021-03-31 21:46:26
85.51
22
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85.51，模型运算速度为0.0012s。
2021-04-01 09:17:06
85.51
23
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85.51，模型运算速度为0.0012s。
2021-04-01 16:36:05
85.51
24
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85.51，模型运算速度为0.0012s。
2021-04-02 09:28:44
85.51
25
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85.51，模型运算速度为0.0012s。
2021-04-03 11:11:24
85.51
26
batch数据为30，循环次数为64次，通过在线上环境完成训练，模型最优精度评分为85.51，模型运算速度为0.0012s。
2021-04-04 13:19:51
85.51
27
85.51
28
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85.51，模型运算速度为0.0012s。
2021-04-15 17:20:14
85.51
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85.51，模型运算速度为0.0012s。
2021-04-15 17:26:42
85.51
30
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85.51，模型运算速度为0.0012s。
2021-04-15 19:00:02
85.51
31
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85.51，模型运算速度为0.0012s。
2021-04-15 21:35:14
85.51
32
batch数据为256，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85.51，模型运算速度为0.0012s。
2021-04-16 10:47:43
85.51
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85.51，模型运算速度为0.0012s。
2021-04-16 15:58:12
85.51
34
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85.51，模型运算速度为0.0012s。
2021-04-16 18:17:19
85.51
35
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85.51，模型运算速度为0.0012s。
2021-04-17 22:30:35
85.51
36
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85.51，模型运算速度为0.0012s。
2021-04-19 14:25:03
85.51
37
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85.51，模型运算速度为0.0012s。
2021-04-20 14:18:04
85.51
38
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85.51，模型运算速度为0.0012s。
2021-04-20 15:40:40
85.51
39
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85.51，模型运算速度为0.0012s。
2021-04-21 13:50:19
85.51
40
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85.51，模型运算速度为0.0012s。
2021-04-26 21:38:42
85.51
41
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85.51，模型运算速度为0.0012s。
2021-04-26 21:50:58
85.51
42
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85.51，模型运算速度为0.0012s。
2021-04-26 21:56:25
85.51
43
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85.51，模型运算速度为0.0012s。
2021-05-06 13:43:02
85.51
44
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85.51，模型运算速度为0.0012s。
2021-06-10 15:37:08
85.51
45
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85.51，模型运算速度为0.0012s。
2021-06-13 02:26:54
85.51
46
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85.51，模型运算速度为0.0012s。
2021-06-18 15:17:53
85.51
47
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85.51，模型运算速度为0.0012s。
2021-06-21 09:51:01
85.51
48
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85.51，模型运算速度为0.0012s。
2021-06-28 16:56:11
85.51
49
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85.51，模型运算速度为0.0012s。
2021-06-28 17:46:08
85.51
50
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85.51，模型运算速度为0.0012s。
2021-07-03 16:44:58
85.51
51
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85.51，模型运算速度为0.0012s。
2021-07-15 18:15:18
85.51
52
batch数据为128，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85.51，模型运算速度为0.0012s。
2021-09-14 11:26:58
85.51
53
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85.51，模型运算速度为0.0012s。
2021-10-01 13:20:36
85.51
54
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85.51，模型运算速度为0.0012s。
2021-10-03 17:43:04
85.51
55
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85.51，模型运算速度为0.0012s。
2021-10-08 09:47:10
85.51
56
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85.51，模型运算速度为0.0012s。
2021-10-25 15:13:50
85.51
57
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85.51，模型运算速度为0.0012s。
2021-12-06 19:15:32
85.51
58
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85.51，模型运算速度为0.0012s。
2022-01-21 16:50:20
85.51
59
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85.51，模型运算速度为0.0012s。
2022-01-28 16:47:44
85.51
60
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85.51，模型运算速度为0.0012s。
2022-02-05 15:01:01
85.51
61
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85.51，模型运算速度为0.0012s。
2022-03-22 10:28:14
85.51
62
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73.83，模型运算速度为150.2556s。
2021-04-19 13:51:00
73.83
63
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73.79，模型运算速度为158.1625s。
2021-04-19 12:37:32
73.79
64
73.66
65
73.01
66
batch数据为16，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72.89，模型运算速度为57.6015s。
2021-04-26 12:11:49
72.89
67
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72.79，模型运算速度为45.1543s。
2021-04-19 20:54:24
72.79
69
69.52
70
68.04
71
batch数据为32，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67.77，模型运算速度为56.4496s。
2021-04-24 15:14:40
67.77
72
67.21
73
batch数据为4，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65.62，模型运算速度为444.2633s。
2022-06-18 21:56:26
65.62
74
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64.61，模型运算速度为19.0835s。
2022-04-16 21:54:26
64.61
75
batch数据为4，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63.68，模型运算速度为1241.2274s。
2022-06-19 14:22:34
63.68
76
63.03
77
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61.55，模型运算速度为10.8762s。
2021-04-23 07:44:21
61.55
78
batch数据为16，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54.79，模型运算速度为67.8307s。
2021-03-26 15:54:25
54.79
79
36.09
80
31.00
81
30.92
82
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30.38，模型运算速度为0.0013s。
2021-04-05 17:38:10
30.38
83
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30.38，模型运算速度为0.0012s。
2022-04-07 15:07:44
30.38
84
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30.38，模型运算速度为0.0012s。
2022-04-19 22:07:28
30.38
85
0.00
86
0.00
87
0.00
88
0.00
89
0.00
90
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0.00，模型运算速度为279.1366s。
2021-05-01 07:27:43
0.00
92
0.00
93
0.00
94
batch数据为4，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，模型运算速度为0.0014s。
2022-01-11 18:31:57
0.00
95
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，模型运算速度为14.7855s。
2022-07-10 20:29:45
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