专属奖金
结核杆菌目标检测
专属奖金 ¥ 21,500
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 27.7k
排名奖金
遥感图像自然场景识别
可报名
奖金池 ¥ 23,000
本赛题主要进行典型场景智能识别，场景类型包括海滩、圆形农田、云、荒漠、林地、山脉、矩形农田、建筑区、河流和雪山共10类，在国土资源、海洋及海岸带、内陆水体、生态环境、农业、林业等各个领域具有重要的应用潜力。要求参赛选手利用机器学习等智能算法自动识别出所规定的测试集图像对应的场景类型。
阅读 23.3k
排名奖金
瑜伽体式分类
可报名
奖金池 ¥ 3,000
瑜伽一词来源于印度梵语，含义为“一致”“结合”“和谐”，强调通过调整呼吸和静坐来消除精神紧张，达到个人灵魂和宇宙灵魂相结合的境界。近几年现代瑜伽在年轻人群体中逐渐流行，有些人通过瑜伽来减脂塑形、改善体态，有些人更加注重在瑜伽中调整呼吸、冥想正念，瑜伽成为了人们用来改善生理和心理情况的常用手段。
暑假开始了，钱包瘪瘪的你找到了一份瑜伽教练助理的兼职工作，为的就是每天能有钱买下一杯奶茶让自己快乐。你被安排的工作内容是帮助教练记录和整理学员所做的每个瑜伽动作，但瑜伽的动作实在太多了，你很难记住每个体式的名字，于是你准备搞一个图像分类模型来帮助你在工作中划水。刚好这里有这么一个赛事能满足你的需求。
竞赛使用的数据集包含瑜伽体式共6大类、82小类，本次分类任务按82小类进行划分，祝你顺利完成分类任务。
阅读 20.6k
排名奖金
什么蘑菇？
可报名
奖金池 ¥ 3,000
蘑菇中富含多种呈味氨基酸、核苷酸和糖类，这些物质造就了极其鲜美的味道，使得被端上餐桌上的它们深受人们喜爱。特别是在野生菌种类繁多的云南，夏天的几场雨便能开启人们的吃菌盛宴。蘑菇虽然味美，但也不能随便食用，我国存在的有毒蘑菇就近 200 种，食用后轻则恶心呕吐、致晕致幻、看到七彩的开花藤蔓和会飞的小人绕圈跳舞，重则生命垂危、一顿送走。
本次竞赛使用的数据集由北欧真菌学家协会（Mycologist's Society of Northern Europe）提供的 9 种常见北欧蘑菇属的图像组成，FlyAI 平台旨在就相关趣味话题举办图像分类的练习赛事，让大家能够在多种场景下提升算法能力，而不对数据集中所包含蘑菇分类的生物学正确性及可食用性做出任何保证。请勿食用种类不明的蘑菇，严禁使用该竞赛数据集训练得到的模型鉴别食用蘑菇。
阅读 27.3k
排名奖金
图片颜值打分趣味赛
可报名
奖金池 ¥ 3,000
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。
阅读 18.1k
排名奖金
水表编号智能识别赛
可报名
奖金池 ¥ 3,000
在目标识别应用场景中，智能识表技术投资和运维费用低、速度快、效率高，其应用前景广泛。尽管现在有大量的识别算法可以解决当前的需求，但还存在很多的问题，比如受到图像分辨率低和噪声的影响、半字识别问题解决的不好等等。
本次竞赛主要要求参赛者对复杂识别问题的研究和突破，建立精准的识别模型。
阅读 18.8k
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 37.6k
排名奖金
手指指纹识别开源竞赛
可报名
奖金池 ¥ 4000
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 22.3k
