排名奖金
心率不齐病症检测赛
可报名
奖金池 ¥ 1,500
正常人的心脏跳动是由一个称为“窦房结”的高级司令部指挥。窦房结发出信号刺激心脏跳动，这种来自窦房结信号引起的心脏跳动，就称为正常的“窦性心律”，频率每分钟约为60—100次。每分钟心跳的次数，即心率就是由此而来。
心律不齐的后果可能完全无害，也可能危及生命。某些威胁生命的心律不齐的症状并不明显，通常需要采用某些诊断方法以确定心律失常的确切性质及发生原因。心电图检查（ECG）是发现心律失常并确定其病因的主要诊断方法。它提供每个心跳时电流的图形表现。
从实际应用场景来看，心率不齐检测技术确实可大幅缩短医生的工作量，并高效的展示出检测结果，但在医学研究领域也同样需要高准确率的算法模型实现以达到应用场景落地。本次比赛要求参赛者根据提供的（ECG）数据，建立精准的检测模型。
阅读 1.5k
算法大赛
心理卡牌目标检测算法赛
可报名
11,000元奖金+V100GPU资源+证书
“心理卡牌目标检测算法赛”由测测星座与趣鸭心理联合发起的线上竞赛项目。2020年新冠肺炎疫情打破了我们平静的生活，影响了我们的身体健康和精神健康。在国家发布的《“健康中国2030”规划纲要》中也提到，要加大全民心理健康科普宣传力度，提升心理健康素养。
“AI+”的科技创新背景下，在心理方向探索更多的AI落地场景是时代所需，本次比赛要求参赛者建立精准的预测模型，推动“AI心理”的产业落地，提升全民心理健康素养，培育良好社会心态。
阅读 10k
排名奖金
手指指纹识别开源竞赛
可报名
奖金池 ¥ 4000+最新A100限量体验
指纹识别技术的应用非常广泛：典型的脱机应用有指纹锁，指纹保险柜、指纹考勤系统等；联机应用有电子银行，自动取款机、电子商务等。目前以指纹为代表的生物特征识别技术有望在将来的公共领域和民用领域扮演更重要的角色。
数据集说明：
• 指纹数据集由将近5000张指纹构成基础数据，然后通过一些数据增强操作如擦除、旋转等生成了更多的指纹数据。该训练数据集一共包含16844张指纹图像。所有指纹图像的分辨率为1×96×103（灰×宽×高）。
• 本项目为图像识别类项目，不是分类项目。所以训练数据集样本仅提供两两匹配的情况，其它情况请参赛选手自行处理数据。评估数据集中含有不匹配的样本数据，需要参赛者通过提升模型的识别能力来提高最终比赛分数。
本赛题结束后将开源优秀代码。
阅读 6.1k
排名奖金
1024程序员节—蝴蝶分类开源竞赛
可报名
奖金池 ¥ 3000+专属V100 GPU奖励
细粒度图像分类问题是计算机视觉领域一项极具挑战的研究课题，为促进细粒度分类问题研究，本赛题结束后将开源优秀代码。欢迎更多算法科学家积极参与细粒度图像分类研究。
本赛题任务主要是通过对200类蝴蝶建立精准的分类模型。数据集大约有20,223张，涵盖200个物种，116属，23个亚科和5个科的四个不同级别。
阅读 7k
排名奖金
手写英文字体识别（名企内推）
可报名
奖金池 ¥ 5,000
该数据集包含通过慈善项目收集的超过40万个手写英文姓名。由于个人手写风格的差异化，对于机器识别手写字符来说仍然构成困难的挑战，所以要求参赛者通过建立预测模型实现精准的手写字体识别。
阅读 6.7k
算法大赛
水下目标检测算法赛
可报名
奖金池 ¥ 86,000
“水下目标检测算法赛”紧扣水下目标检测算法领域，通过提供真实环境下的水下光学图像让选手在线上提交创新的目标检测算法和运算结果，本次比赛采用线上测评和线上打分的方法来实施比赛，着重考察选手的实际算法和研究能力。
比赛确保赛事公平公正，鼓励各行业各层次的专业团队参与比赛，发挥平台集聚效应，推动海洋机器人产业落地和地方产业发展，打造大连在海洋人工智能领域的名片。
阅读 23k
排名奖金
结核杆菌目标检测
可报名
奖金池 ¥ 3,000
结核病（Tuberculosis，TB)是由结核分枝杆菌（Mycobacterium tuberculosis) 引起的一种慢性人畜共患病，它不受年龄、性别、种族、职业、地区的影响，人体许多器官、系统均可患结核病，其中以肺结核最为常见。结核病既是一个公共卫生问题，也是一个社会经济问题，对人类的公共健康构成很大威胁，因此对其快速诊断检测就至关重要。
染色处理可以使得结核杆菌在显微镜拍摄的医学图像中显现，医生则可以通过检测图像中的结核杆菌辅助诊断患者是否有结核病。
通过构建准确率的目标检测模型可实现由智能系统辅助医生进行检测工作，应用于目前的医疗检测产品中能够满足真实的结核病检测需求。
阅读 7.5k
排名奖金
口罩佩戴检测
可报名
奖金池 ¥ 2,000
国家卫生健康委疾控局近日发布了《预防新型冠状病毒感染的肺炎口罩使用指南》，指南中明确指出口罩是预防呼吸道传染病的重要防线，可以降低新型冠状病毒感染风险。口罩不仅可以防止病人喷射飞沫，降低飞沫量和喷射速度，还可以阻挡含病毒的飞沫核，防止佩戴者吸入。因此在全民抗疫时期，在公共场所佩戴口罩等防护装备已成为防疫常识。
为了更加有效的监督大家佩戴口罩，我们开展了这次口罩佩戴检测的比赛。本赛题数据训练集、验证集和测试集划分比例为6:2:2.
对应的标签数据说明：每行格式为 x_min, y_min, x_max, y_max, label。其中label为0表示没有佩戴口罩，label为1表示有佩戴口罩。
阅读 17.5k
排名奖金
X光片检测患者肺炎
可报名
奖金池 ¥ 3,000
此刻，武汉疫情还在持续，为战斗在疫情一线的所有医护人员祈福、加油！在家关心疫情的同时，可以通过参加算法竞赛提升自己的算法能力和赢取高额奖金
武汉肺炎主要发病情况为新型冠状病毒(2019-nCoV)感染肺部导致人体呼吸衰竭。基于对肺部感染检测的技术研究，可通过人工智能技术对医学影像-X光片进行患病情况检测，有效提升确诊准确率和效率
本赛题主要是对肺部X光片患病结果进行分类，共4个患病类别，数据集划分比例为6:2:2,可使用CSV文件和FlyAI框架两种提交方式参赛。参赛者需要通过优化模型来对肺部X光片进行精确的分类
阅读 19.4k
实时奖金
多面体骰子分类
可报名
奖金池 ¥ 2,000
骰子也称色子，为一正多面体，通常作为桌上游戏的小道具。同时骰子也可以用于生成指定范围的随机数。最常见的骰子是六面骰，它是一个正立方体，上面分别有一到六个数，其相对两面数字之和必为七。
本赛题主要对骰子形状进行分类，一共包括四面骰、六面骰、八面骰、十面骰、十二面骰和二十面骰。其中训练集、验证集和测试集划分比例为6:2:2.
阅读 6.8k
实时奖金
你画我猜
可报名
奖金池 ¥ 5,000
为了增强人工智能的趣味性，我们开展了你画我猜这一竞赛。你画我猜数据集中包括了40种生活中常见的类别如飞机、苹果、篮球等。图片信息以json格式存储，在每个json中记录了用户每一笔简笔画对应的横坐标集合和纵坐标集合。其中训练集、验证集和测试集划分比例为6:2:2.
阅读 8.1k
实时奖金
密集场景行人检测
可报名
奖金池 ¥ 5,000
这是一个更加符合真实世界的密集行人检测数据集，图像广泛选择自生活中的各种场景，共9000张标注图，用于训练和开发更加具有现实世界实用性的人物检测模型和算法。数据标签一共有五类，在评估时只考虑前三类，分别为行人，骑行的人和部分遮挡的人。其中训练集、验证集和测试集划分比例为6:2:2.
对应的标签数据说明：每行格式为 label, x_min, y_min, x_max, y_max.
阅读 10k
实时奖金
图片鉴黄
可报名
奖金池 ¥ 3,000
随着互联网的发展，内容安全成为互联网不得不面临的严峻挑战。互动社区的崛起，网友素质的参差不齐，由于“涉黄”被勒令关闭的网站多如牛毛，因此“鉴黄”也显得尤为重要。虽然各个互联网企业都有专门的人员来做内容审核，但是无法跟上内容发展的速度，人工审核容易出现审核不及时、高成本、主观判断影响结果等问题。因此通过深度学习的人工智能技术来进行图片鉴黄也是迫在眉睫。
在本数据集一共包括5种图片类别，每个类别至少有1000张图像，其中训练集、验证集和测试集划分比例为6:2:2.
由于数据集包含涉黄图片，因此本地调试数据集中只展示正常图片。
阅读 16.4k
实时奖金
常见物体识别
可报名
奖金池 ¥ 5,000
本赛题整理了生活中常见的80种物体类别，比如冰箱、文具盒、蜡烛、鞭炮等，希望参赛者能够通过深度学习的方法提高物体识别的准确率。其中训练集、验证集和测试集划分比例为6:2:2.
阅读 9.7k
实时奖金
室内场景识别
可报名
奖金池 ¥ 3,000
室内场景识别在计算机视觉领域是一个具有挑战性的问题，大多数适用于室外场景的分类模型在室内领域的表现都比较差，其困难在于尽管某些室内场景可以通过全局空间特征进行较好的描述，但其他一些场景需要通过其具体所包含的对象特征才能对该场景进行较好的描述。因此如何提取图像全局特征和局部特征来进行精确预测是本赛题的难点。
在本数据集一共包括67个室内场景类别，总共15620张图片，每个类别至少有100张图像，其中训练集、验证集和测试集划分比例为6:2:2.
阅读 10.4k
实时奖金
结直肠癌组织纹理分类
可报名
奖金池 ¥ 6,000
结直肠癌（colorectal cancer，CRC）位于常见恶性肿瘤第三位并且死亡率极高，其早期诊断和肿瘤分期对治疗方式的选择有重要意义。近年来，越来越多的研究表明，纹理分析通过分析影像中像素或体素灰度的分布和联系，挖掘其细微结构和变化规律，能够更精确地评估肿瘤异质性、内在侵袭性和治疗抗性。因此纹理分析有助于肿瘤的早期诊断、分期和预后评估。
本赛题主要对结直肠癌的纹理影像进行分类，其中据集包含了5000张结直肠癌纹理的图片，图片大小为150*150的RGB图片。图片共分为8个类别，代表8种不同的纹理。
阅读 21.2k
实时奖金
图片超分辨率挑战赛
可报名
奖金池 ¥ 5,000
图像分辨率是用来评估图像中蕴含细节信息丰富程度的一个指标。高分辨率图像相对于低分辨率图像拥有更大的像素密度，更多的纹理细节信息。但在实际生活中，由于受到采集设备、网络传输介质等因素的影响，我们通常得到的是一些低分辨率的图像，因此图像超分辨率重建技术具有深远的研究意义。图像超分辨率是指将一幅低分辨率图像恢复成高分辨率的图像，在本数据集一共有1800张图片，其中包括900对高分辨率和低分辨率图片，这里高分辨率图片大小是低分辨率图片大小的四倍。训练集、验证集和测试集划分比例为6:2:2.
阅读 12.8k
排名奖金
安全帽佩戴检测
可报名
20万元大奖(最新MacBook Pro+GPU资源)
安全帽是各行各业安全生产工作者必不可少的安全用具，通过正确佩戴安全帽不仅可以防止和减轻各种事故的伤害，而且保障了工作者的生命安全。为了防止因未戴安全帽导致的安全事故，安全帽佩戴检测成为了监督工作者佩戴安全帽的利器。
这里我们收集了七千多张经过标注的图片，这些图片大小不一致，其中标注分为佩戴安全帽和未佩戴安全帽两类，数据集按照6:2:2的比例进行训练集、校验集和测试集划分。
阅读 19.3k
实时奖金
猫脸关键点检测
可报名
奖金池 ¥ 10,000
猫脸特征点检测是一项有趣的任务。本数据集共包含了9000张猫脸彩色图片，目的是检测脸部的九个关键点，包括两个眼睛关键点、一个嘴部关键点和六个耳朵关键点。标注顺序为左眼xy坐标，右眼xy坐标，嘴xy坐标，左耳点1xy坐标，左耳点2xy坐标，左耳点3xy坐标，右耳点1xy坐标，右耳点2xy坐标，右耳点3jxy坐标，坐标均为相对坐标值。
阅读 10k
实时奖金
TensorFlow2.0 人民币面值识别
可报名
奖金池 ¥ 2,000
全网首个TensorFlow 2.0竞赛项目上线！
人民币面值识别是一个简单的图像分类任务，通过建立准确的分类模型识别出人民币面额。
第四套人民币是中国人民银行于1987年4月27日至1997年4月1日发行的一套货币，共有1角、2角、5角、1元、2元、5元、10元、50元、100元9种面额。
TensorFlow 2.0 将专注于简单性和易用性，具有以下更新：
1、使用 Keras 轻松构建模型
2、在任意平台上实现稳健模型部署
3、为研究提供强大的实验工具
4、简化 API 接口，删掉多余的和重复的 API
阅读 11.2k
实时奖金
农作物病虫害检测
可报名
奖金池 ¥ 2,000
病虫害的诊断对于农业生产来说至关重要。本次农作物病虫害识别比赛邀请参赛者设计算法与模型，对图像中的农作物叶子进行病虫害识别。
阅读 7.6k
实时奖金
细胞图像分类-疟疾病诊断
可报名
奖金池 ¥ 3,000
通过检测包含疟疾的图像细胞帮助医生尽早确诊疟疾病患者并及时进行治疗。该数据集包含两个文件：感染/未感染，共有27,588张图片。
阅读 7k
实时奖金
表征患者血液样本分析之白细胞分类
可报名
奖金池 ¥ 5,000
基于血液的疾病诊断通常涉及识别表征患者血液样本。检测和分类白细胞的自动化方法具有重要的医学应用。
该数据集包含12,500个血细胞增强图像（JPEG），对于分成4个不同文件夹（根据细胞类型）的4种不同细胞类型中的每一种，大约有3,000个图像。细胞类型是嗜酸性粒细胞，淋巴细胞，单核细胞和中性粒细胞。
阅读 6.5k
实时奖金
哥伦比亚大学公众人物五官定位
可报名
奖金池 ¥ 5,000
哥伦比亚大学公众人物数据集是一个包含大量人脸标签的数据集，包含超过20万张名人照片，每张照片包含40个属性标签。此数据集中的图片包含多种人体姿势与背景干扰。 该数据集具有丰富的多样性，大量的样本以及多种标注，包括： 10177名个体，202599张面部图片，以及每张图片中5个位置标注和40种二元属性标注（如是否戴帽子等），该数据集可以用来做人脸五官定位
阅读 5.7k
实时奖金
7种表情分类
可报名
奖金池 ¥ 1,000
本数据集是一个包含7种表情的图片数据集，表情分别为平静、愤怒、失落、恐惧等。原数据集中表情由10位日本女性学生提供，每个人分别提供若干张不同表情的照片。我们对数据集进行了翻转，明暗变化等数据增强处理，使得数据大小从213增加到了852。
阅读 8k
实时奖金
5种花分类
可报名
奖金池 ¥ 800
该数据集包含5种不同种类的花的彩色图片，类别包括玫瑰，向日葵，雏菊，蒲公英和郁金香。使用该数据集对5种花进行分类。
阅读 7.8k
实时奖金
2005 VOC挑战赛
可报名
奖金池 ¥ 2,500
PASCAL VOC为图像识别和分类提供了一整套标准化的优秀的数据集，从2005年到2012年每年都会举行一场图像识别challenge。该数据集取自TU-Darmstadt, Caltech, TU-Graz 和 UIUC等发布的数据集。在该数据集中每张图片中的物体都由人工标注，物体包含汽车，摩托车，自行车和人体四类。
阅读 6.4k
实时奖金
猫狗大战，开始分类一决胜负！
可报名
奖金池 ¥ 500
该数据有猫和狗两类图片，一共有25000张图片，猫狗各占一半，可以用来做图片分类的入门数据。
阅读 7.8k
实时奖金
鸢尾花识别
可报名
奖金池 ¥ 500
Iris数据集是常用的分类实验数据集，由Fisher, 1936收集整理。Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含150个数据集，分为3类，每类50个数据，每个数据包含4个属性。可通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于（Setosa，Versicolour，Virginica）三个种类中的哪一类。
阅读 6.9k
