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。
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]
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 |
"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:
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
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