图片颜值打分趣味赛

分享给好友

2021-03-23 12:00:00
开始提交

2021-04-26 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

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

  • 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: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,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 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

    排行榜精度评估说明

  • 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:

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!
第三名

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85.51,模型运算速度为0.0012s。

2021-02-06 14:54:41

85.51

第三名

马子耀

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

第三名

begins

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

Patton jr

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

GDUT-菜鸟

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

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85.51,模型运算速度为0.0012s。

2021-03-23 21:45:07

85.51

7

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85.51,模型运算速度为0.0012s。

2021-03-24 08:41:40

85.51

8

痕迹1616546979

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

启荣

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

flyai会员1582368230

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

克里斯蒂安·刘能

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

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85.51,模型运算速度为0.0012s。

2021-03-26 09:56:18

85.51

13

成昊

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 15:35:43

85.51

14

Greatcat

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

Simplify

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

一个爱学习的人

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

meichen

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

Silvia

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

flyai会员1617105074

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

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85.51,模型运算速度为0.0012s。

2021-03-31 09:46:03

85.51

21

Agwave

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

flyai会员1617239508

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

乐乐乐

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

flyai会员1617325536

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

aizejun520

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

飞起来一样

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

e^jw

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。

2021-04-08 09:14:24

85.51

28

小张1618477884

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

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85.51,模型运算速度为0.0012s。

2021-04-15 17:26:42

85.51

30

Condor

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

龙1618479830

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

vForce

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

刘志远

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

emrezhang

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

ZedxY

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

zxf_要努力

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

温柔的包子

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

贾越

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

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73.83,模型运算速度为150.2556s。

2021-04-19 13:51:00

73.83

41

江水

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

42

飞机啦啦啦

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73.66,模型运算速度为127.0094s。

2021-04-12 11:58:33

73.66

43

cyer654321

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73.01,模型运算速度为99.4828s。

2021-03-25 22:15:31

73.01

44

小华

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

45

人间正道是沧桑

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72.15,模型运算速度为49.329s。

2021-04-21 21:04:18

72.15

46

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69.52,模型运算速度为54.7056s。

2021-04-16 19:35:32

69.52

47

换你温柔侧目

batch数据为8,循环次数为70次,通过在线上环境完成训练,模型最优精度评分为63.03,模型运算速度为307.1761s。

2021-03-30 16:59:05

63.03

48

会员1616997205

batch数据为16,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58.53,模型运算速度为20.8052s。

2021-04-20 09:21:29

58.53

49

疯狂的大笨蛋

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

50

qzh

batch数据为8,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36.09,模型运算速度为1878.8204s。

2021-03-24 18:11:02

36.09

51

zpc

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31.00,模型运算速度为12.2804s。

2021-03-26 23:13:31

31.00

52

刘予安楷

batch数据为32,循环次数为11次,通过在线上环境完成训练,模型最优精度评分为30.92,模型运算速度为16.2914s。

2021-04-16 22:41:19

30.92

53

汤包岂是盘中物

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

54

Stolz

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0.0015s。

2021-03-29 20:11:48

0.00

55

aac

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0.0016s。

2021-03-30 10:42:56

0.00

56

flyai会员1616676089

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0.0015s。

2021-04-01 20:33:48

0.00

57

cyh12315

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0.0016s。

2021-04-11 20:30:59

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