$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
Caltech-256 物品分类数据集由Caltech-101数据集演变而来，该数据集选自Google Image数据集，并手工去除了不符合其类别的图片。在该数据集中共有30,607张图片，256个图片类别，每个类别包括超过80张图片。
参赛须知
报名时间
2019-09-20 12:00:00 - 2023-06-10 12:00:00
参赛时间：2019.09.20 12:00:00-2022.10.10 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) |
|---|---|---|
| 第一阶段突破奖 | 1人 | 第一个突破到95-96分数的选手，可获1000元奖金 |
| 第二阶段突破奖 | 1人 | 第一个突破到97-98分数的选手，可获3500元奖金 |
| 第三阶段突破奖 | 1人 | 第一个突破到99-100分数的选手，可获5500元奖金 |
| 鼓励奖 | 不限 | 10000元奖金(详见奖励获取要求) |
奖励获取要求:
- 鼓励奖：从2022年6月16日开始计算，当您的提交结果大于80分时，即可获得鼓励奖！快快行动起来吧！
- 突破奖：长期有效，当前比赛已解锁，根据突破分数排行可获得对应奖金！
- 通过更新排行榜获取奖金，与原排行榜冠军得分差值越大，所获奖金比例越高
- 按照所有挑战者提交作品时间先后，后台审核作品并更新到排行榜中， 【Score】未达奖金获取标准可显示在排行榜中，但无法获取奖金
- 奖金额度获取评判指标说明：【BOUNS】表示奖金池总额度；【Score】表示模型得分；【BU_N】表示第n位达到奖金获取标准并更新排行榜后所获得的奖金总额度
- 提交离线训练，系统自动评判模型Score。奖金获取额度计算公式如下：
赛事主题和数据说明
赛题描述
通过迭代自己的算法模型并提交训练，获取奖金池高额奖金。小提示：抢先更新算法排行榜，有更大机会获取高额奖金哦
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 | string | 图片的相对路径 | image/0.jpg |
| label | int | 物体类别 | range:[0,255] |
评审标准
算法输入输出格式
输入字段： image_path,
输出字段： label,
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 60分 的成绩会在48小时内更新到排行榜，不要着急哦！
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97.04。
2022-07-01 19:40:19
3500.00
97.04
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96.89。
2022-07-01 14:46:47
2.90
96.89
batch数据为32，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96.52。
2022-07-01 16:54:39
1000.00
96.52
4
batch数据为8，循环次数为8次，通过在线上环境完成训练，模型最优精度评分为96.46。
2022-09-25 21:56:37
2.89
96.46
5
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95.30。
2022-07-26 10:03:55
2.85
95.30
6
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94.83。
2022-06-29 21:08:04
2.84
94.83
9
batch数据为32，循环次数为25次，通过在线上环境完成训练，模型最优精度评分为93.74。
2022-07-13 13:52:44
2.81
93.74
11
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90.87。
2022-07-01 23:56:49
2.72
90.87
99
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83.16。
2022-10-06 15:09:21
2.49
83.16
100
batch数据为64，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83.13。
2022-07-28 13:42:23
2.49
83.13
107
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82.44。
2022-06-17 16:05:09
2.47
82.44
111
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81.78。
2022-07-12 11:52:02
2.45
81.78
123
batch数据为32，循环次数为99次，通过在线上环境完成训练，模型最优精度评分为77.97。
2022-06-25 08:50:41
77.97
134
batch数据为64，循环次数为1000次，通过在线上环境完成训练，模型最优精度评分为69.19。
2022-08-14 22:54:20
69.19
137
batch数据为32，循环次数为15次，通过在线上环境完成训练，模型最优精度评分为65.28。
2022-06-19 22:28:57
65.28
142
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50.15。
2022-07-14 13:59:06
50.15
143
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49.95。
2022-07-16 16:05:56
49.95
144
batch数据为32，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49.43。
2022-06-26 04:17:15
49.43
146
batch数据为50，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48.00。
2022-08-11 15:26:38
48.00
147
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47.48。
2022-06-28 20:58:15
47.48
149
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46.61。
2022-09-23 22:42:57
46.61
151
batch数据为32，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45.84。
2022-07-10 00:50:18
45.84
152
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44.96。
2022-08-31 21:00:50
44.96
153
batch数据为64，循环次数为14次，通过在线上环境完成训练，模型最优精度评分为43.72。
2022-07-13 19:19:22
43.72
155
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43.40。
2022-09-09 21:53:45
43.40
156
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43.33。
2022-06-19 16:28:52
43.33
157
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43.15。
2022-08-23 17:43:14
43.15
162
batch数据为64，循环次数为15次，通过在线上环境完成训练，模型最优精度评分为19.31。
2022-07-12 23:06:41
19.31
177
batch数据为2，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2.54。
2022-07-12 21:16:42
2.54
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