遥感影像场景分类预测

分享给好友

2019-08-01 10:00:00
开始提交

2019-08-31 20:00:00
最终提交结束

自由训练

报名参赛
  • 赛事介绍
  • 竞赛排行榜
  • 自由练习榜单
  • 讨论(0)
  • 学习资源

大赛简介

遥感影像场景分类是遥感影像目标检测和高层语义理解的基础,遥感影像高层语义理解又是空间分析的基础。实际应用中空间分析借助地图与空间信息解决经济、社会、国防等重要领域的技术任务。

例如通过遥感影像进行农作物估产、城市规划、商铺选址、城市热点场所人群分析、空间规划等等。空间分析是解决实际生活中问题的重要手段,而遥感影像场景分类是空间分析的基石。

遥感影像场景分类任务是从多幅遥感影像中区分出具有相似场景特征的图像,并对这些图像进行分类,为每一幅遥感影像赋予场景类别标签。

赛事主题和数据说明

赛题描述

本赛题为8月活动赛题,截止2019年8月31日下午20点整所有训练完成结果均为有效成绩!!

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
img_path string 不为空 图片的相对路径
label string 不为空 标签

参考文献:

[1]

评审标准

算法输入输出格式

输入字段: img_path,

输出字段: label,

评审指标说明

  • 本赛题基础得分为60分,所有超过基础得分的参赛者可获得相对应奖励!
  • 精确率(Precision,简称为P):正确预测为正的占全部预测为正的比例
  • 召回率(Recall,简称为R):正确预测为正的占全部实际为正的比例
  • F1-Score 是精确率和召回率的一种加权平均,它的最大值为1,最小值为0
  • 计算公式如下:
  • 评审计算公式

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...

  • 参赛流程
  • 常见问题

第一步:参赛选手从FlyAI官网选择比赛报名,需下载样例代码

下载的项目中不包含数据集,运行main.py会自动下载调试数据集

本地调试根据不同数据集会提供10%~100%数据,全量数据提交到GPU后会自动更新替换

下载样例代码,解压后在样例代码上编写自己的模型代码,压缩后再在上传代码位置进行上传,就可以查看自己得分。

第二步:本地代码调试

本地配置Python3.5以上的运行环境,并安装项目运行所需的Python依赖包 app.json是项目的配置文件

在main.py中编写神经网络,没有框架限制

在prediction.py测试模型是否评估成功

main.py中需在class Main(FlyAI) 类中实现自己的训练过程

第三步:提交到GPU训练,保存模型

本地调试完成之后,提交代码到GPU,在全量数据上训练模型,保存最优模型。

提交GPU的方式有:网站在线提交。

第四步:评估模型,获取奖金,实时提现

GPU训练完成后,会调用prediction.py中的predict方法进行评估,并给出最后得分

高分的参赛选手,可实时获取奖金,通过微信提现