CV新赛事 | 水下鱼类物种识别

CV新赛事 | 水下鱼类物种识别


本文转自实时奖金竞赛社区FlyAI。

CV新赛事 | 水下鱼类物种识别

大赛简介

该数据集是从实时视频数据中获取的,整个数据集分为21个聚类,每个聚类由一个有代表性的鱼物种表示。该数据集的数据非常不平衡,其中最常见的物种大约是最不常见物种的1000倍。

本赛题采用FlyAI2.0新框架进行训练,新功能更新说明如下:

(1) 本地开放60%~100%数据集

(2) 新的数据读取方式,更加灵活的使用数据

(3) 新的评估文件,线上评估更加清晰

(4) flyai库版本需更新至0.6.4以上

(5) 修复预训练模型读取BUG

详细内容请查看[flyai2.0竞赛框架更新说明]

CV新赛事 | 水下鱼类物种识别

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]

赛事主题和数据说明

赛题描述

该数据集是从实时视频数据中获取的,整个数据集分为21个聚类,每个聚类由一个有代表性的鱼物种表示。该数据集的数据非常不平衡,其中最常见的物种大约是最不常见物种的1000倍。本赛题采用FlyAI2.0新框架进行训练,进入详情页查看更新内容描述。

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 ./data/input/FishClassification/image/0.png
label int 标签 0
输入字段:

"image_path":"./data/input/FishClassification/image/0.png"

输出字段:"label":"0"

评审标准

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:

CV新赛事 | 水下鱼类物种识别

大赛简介

参赛时间

2020.03.20 12:00:00-2020.04.20 20:00:00

大赛官网:

https://www.flyai.com/?s=GCtBRYUf-

大赛奖金:

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 2000元奖金 + 1000分钟Tesla-GPU云端训练时长
季军奖 1人 1500元奖金 + 500分钟Tesla-GPU云端训练时长
亚军奖 1人 800元奖金 + 500分钟Tesla-GPU云端训练时长
第四名 1人 500元奖金
第五名 1人 200元奖金

竞赛交流群

CV新赛事 | 水下鱼类物种识别

扫码拉你进群

(注明:FlyAI

解决竞赛中遇到的各种问题,与大神交流

在看,让更多人看到  CV新赛事 | 水下鱼类物种识别