$vue{csvName == '' ? '仅支持上传 CSV 格式的文件' : csvName+' 上传中...'}
$vue{csvName}上传成功
取消
确认提交
- 赛事介绍
- 竞赛排行榜
- 讨论($vue{comment_count})
- 学习资源
$vue{item.rank_name}
大赛简介
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。
参赛须知
报名时间
2021-02-06 12:00:00 - 2021-03-14 12:00:00
提交时间
2021-02-06 12:00:00-2021-03-15 12:00:00
参赛时间：2021.02.06 12:00:00-2021.03.15 12:00:00
参赛方式
- 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。
参赛选手说明
- 参赛人员身份信息需保证真实、有效，大赛主办方仅将个人信息用于赛事数据授权及颁奖使用
- 欢迎海内外的在校学生，算法工程师和所有AI爱好者参与
- 本次竞赛报名形式：以个人形式本地提交作品线上审核，并且以最终提交算法得分作为唯一有效成绩
- 在比赛截止日期前，团队中成绩最高分作为本团队的最终成绩
- 报名成功后请加入FlyAI竞赛交流群，一起学习进步！重要通知也将在群内发布，不要错过哦
比赛作品说明
- 参赛选手需要配合组委会对比赛作品的有效性与真实性进行验证
- 不同团队/个人，提交相似结果文件，取消双方所有人员参赛资格
- 多开小号报名、提交，一经发现将取消参赛资格
- 禁止使用外部链接下载代码替换本项目代码
- 比赛过程中，通过脚本获取比赛数据，成绩无效
- 使用线上测试集进行训练或者使用非官方提供的外部数据进行训练，成绩无效
- 使用的预训练模型需为FlyAI官方审核通过的模型，使用非官方验证预训练模型，成绩无效
- 提交的代码具备可解释性并且其它开源框架可复现
- 所有相似代码将一律不通过审核！！情况多次出现者封号处理
- 如有发现利用非正常手段作弊行为，奖金一律不发放。之前所获得奖金金额官方有权收回，情节严重者封号处理
- 提交代码即视为阅读并同意以上比赛作品说明
大赛奖项设置
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) |
|---|---|---|
| 奖金激励 | 15人 | 每人100元 + 300分钟V100-GPU云端训练时长 |
奖励获取要求:
- 根据【竞赛排行榜】选取前15名达到“95分”的参赛者进行奖励，未达到95分不参与奖励。
- 比赛结束后，前5名获奖参赛者线上提交答辩经验。第6～15名获奖参赛者请联系小助手提交答辩经验。
赛事主题和数据说明
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 | 样例 |
|---|---|---|---|---|
| train.csv | data | list | 心率数据 | [0.7240143418312072, 0.7096773982048035, ...] |
| label | str | 标签 | S |
本比赛数据集类别分别为：N: Nonectopic_beat (normal beat), S:Supraventricular_ectopic_beat, V: Ventricular_ectopic_beat, F: Fusion_beat, Q:Unknown_beat，共5类。 测试数据为1000条，训练数据约10万条。
需要注意的是预测结果仅返回5类的大写首字母。
评审标准
算法输入输出格式
系统评估时，要求参赛者必须在predict方法中接收到输入和评估返回的结果输出，格式如下所示。
输入字段：
{
"data": "[0.7240143418312072, 0.7096773982048035, ...]"
}输出字段：
{
"label": "S"
}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：
排行榜精度评估说明
比赛常见问题说明
Q:比赛使用什么框架？
- 比赛支持常用的机器学习和深度学习框架，比如TensorFlow，PyTorch，Keras，Scikit-learn、MXNet等。
Q:怎么参加比赛，需不需要提交CSV文件？
- FlyAI竞赛平台提供免费云端GPU资源，报名后可以使用自己熟练的框架，修改main.py中的网络结构和processor.py中的数据处理；仅部分赛题支持CSV方式提交，请仔细阅读参赛方式相关内容。
Q:比赛排行榜分数怎么得到的？
- 参加项目竞赛必须实现prediction.py中的load_model和predict方法。系统使用这些方法评估模型算出评分。
达到 95分 的有效成绩即可获得奖金激励哦！
讨论
500字
表情
删除确认
是否删除该条评论？
取消
删除
这里还没有内容哦