表征患者血液样本分析之白细胞分类

分享给好友

剩余奖金 ¥ 56

报名参赛

体验云端免费GPU极速训练,还能赢奖⾦!

报名参赛

大赛简介

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。

参赛须知

参赛时间: 本次竞赛无时间限制,长期有效开放

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]

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

  • 最终比赛成绩以排行榜显示排名为准
  • 根据作品提交时间先后顺序进行人工审核,审核合格后提交至排行榜
  • 禁止使用外部链接下载代码替换本项目代码
  • 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)
参与奖(总奖金30%) 所有人 不同得分区间获得相应的竞赛奖金
突破奖(总奖金20%) 所有人 更新排行榜得分,获取相应竞赛奖金
排名奖(总奖金50%) 第一周/月前3名(冠、亚、季军) 项目上线第一周、第一个月; Time_P(周) = 0.5,Time_P(月) = 0.5;K1=0.5,K2=0.3,K3=0.2;
不同框架奖励 所有人 获得60FAI币用于GPU训练资源消耗

备注:

  • 上线时间:2019-05-05
  • 周排行奖结算时间:2019-05-12 15:00:00;月排名奖结算时间:2019-06-05 15:00:00
  • 奖金获取标准:80<Score 按照得分比例获取奖金
  • 获得奖金分为3部分:参与奖、突破奖为审核完毕实时获取的奖金,排名奖需在规定时间结束后根据排名顺序获得
  • Bouns表示为:奖金池总金额;Score表示为:模型得分;
  • 【参与奖】相同得分区间无法再次获得奖励
  • 各项奖金获得计算公式参考如下:
  • 参与奖(Participation Award)
  • R表示:得分的区间系数;T表示为:相同得分区间得分人数;
  • 100-标准分:分为5个区间系数;R1(0.02),R2(0.08),R3(0.15),R4(0.25),R5(0.5)
  • 奖金计算公式1
  • 突破奖(Prizes)
  • N表示:第N次更新排行榜;Prizes_N-1表示:排行榜更新后已发放的突破奖金
  • 奖金计算公式2
  • 排名奖(Ranking Award)
  • Time_p表示:相关截止日期的奖金发放系数;K表示:每次发放排行榜前三名的分配系数;
  • 奖金计算公式3

赛事主题和数据说明

赛题描述

通过实现算法并提交训练,获取奖金池奖金。小提示:抢先更新算法排行榜,有更大机会获取高额奖金哦!

数据来源

Blood

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:

字段名 字段类型 取值区间 字段描述
image_path file_path 不为空 图片的相对路径
type int 不为空 图片对应的类别
label int 大于等于 0, 小于等于 1 图片的标注标签

输入字段: image_path,

输出字段: labels,

参考文献:

[1]blood-cells

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:

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、PaddlePaddle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 model.py 中的predict_all方法。系统通过该方法,调用模型得出评分。

展开

  • 竞赛排行榜
  • 奖金记录
第三名

提供者:周氏悲悯情怀

1312.86

batch数据为256,循环次数为100次,损失函数优化完,最终完成评分为99.52。

2019-05-07 11:52:09

1312.86

99.52

第三名

提供者:兔子是菜鸟

849.75

batch数据为64,循环次数为10次,损失函数优化完,最终完成评分为98.76。

2019-05-06 03:20:12

849.75

98.76

第三名

提供者:来追我咿呀哟

500.00

batch数据为64,循环次数为60次,损失函数优化完,最终完成评分为98.76。

2019-05-10 16:03:19

500.00

98.76

4

提供者:恋旧却念旧

187.50

batch数据为32,循环次数为4000次,损失函数优化完,最终完成评分为98.76。

2019-05-11 12:45:24

187.50

98.76

5

提供者:交差墒

23.44

batch数据为512,循环次数为200次,损失函数优化完,最终完成评分为98.76。

2019-05-14 15:24:05

23.44

98.76

6

提供者:yangsmile

61.88

batch数据为128,循环次数为80次,损失函数优化完,最终完成评分为98.72。

2019-05-06 19:48:51

61.88

98.72

7

提供者:gboy

1274.00

batch数据为32,循环次数为4000次,损失函数优化完,最终完成评分为98.72。

2019-05-11 11:53:06

1274.00

98.72

8

提供者:xeoner

batch数据为64,循环次数为50次,损失函数优化完,最终完成评分为98.72。

2019-05-12 00:10:51

98.72

9

提供者:Bluove

batch数据为64,循环次数为8000次,损失函数优化完,最终完成评分为98.16。

2019-05-11 19:39:47

98.16

10

提供者:刘喵兄

96.68

batch数据为64,循环次数为5000次,损失函数优化完,最终完成评分为97.8。

2019-05-07 11:57:18

96.68

97.80

11

提供者:极简

batch数据为50,循环次数为500次,损失函数优化完,最终完成评分为97.04。

2019-05-11 20:08:23

97.04

12

提供者:FastAI可解释性差

batch数据为160,循环次数为500次,损失函数优化完,最终完成评分为96.76。

2019-05-09 20:56:08

96.76

13

提供者:就是很任性

batch数据为128,循环次数为300次,损失函数优化完,最终完成评分为96.68。

2019-05-10 23:35:48

96.68

14

提供者:gezp

1.46

batch数据为64,循环次数为200次,损失函数优化完,最终完成评分为96.56。

2019-05-08 07:27:28

1.46

96.56

15

提供者:ChangeBio

11.72

batch数据为64,循环次数为3000次,损失函数优化完,最终完成评分为96.52。

PyTorch

VGG11(sigmoid)

2019-05-07 02:36:35

11.72

96.52

16

提供者:Micoon

batch数据为128,循环次数为10次,损失函数优化完,最终完成评分为95.88。

2019-05-15 11:25:58

95.88

17

提供者:闻剑船书铸扌

4.98

batch数据为64,循环次数为3000次,损失函数优化完,最终完成评分为95.64。

2019-05-14 02:54:00

4.98

95.64

18

提供者:Hallo

62.93

batch数据为128,循环次数为2222次,损失函数优化完,最终完成评分为95.12。

2019-05-10 17:53:47

62.93

95.12

19

提供者:.co

187.50

batch数据为64,循环次数为2500次,损失函数优化完,最终完成评分为94.8。

2019-05-06 11:04:53

187.50

94.80

20

提供者:从小跑开始

103.13

batch数据为64,循环次数为3000次,损失函数优化完,最终完成评分为94.24。

2019-05-08 01:10:56

103.13

94.24

21

提供者:打酱油

12.89

batch数据为64,循环次数为2000次,损失函数优化完,最终完成评分为93.09。

2019-05-09 13:13:31

12.89

93.09

22

提供者:minth

27.19

batch数据为128,循环次数为2000次,损失函数优化完,最终完成评分为92.93。

2019-05-09 01:54:58

27.19

92.93

23

提供者:Seeney

41.73

batch数据为256,循环次数为100次,损失函数优化完,最终完成评分为92.57。

2019-05-09 03:28:50

41.73

92.57

24

提供者:Reluminia

batch数据为64,循环次数为3000次,损失函数优化完,最终完成评分为92.09。

2019-05-18 08:26:08

92.09

25

提供者:xinlofi

112.50

batch数据为256,循环次数为2000次,损失函数优化完,最终完成评分为90.25。

2019-05-07 03:35:29

112.50

90.25

26

提供者:Endeløs læring

36.56

batch数据为256,循环次数为3000次,损失函数优化完,最终完成评分为90.21。

2019-05-13 21:30:41

36.56

90.21

27

提供者:Silence

30.00

batch数据为64,循环次数为500次,损失函数优化完,最终完成评分为87.77。

2019-05-07 21:14:24

30.00

87.77

28

提供者:Student_HXJ

7.50

batch数据为32,循环次数为35次,损失函数优化完,最终完成评分为85.13。

2019-05-28 17:20:32

7.50

85.13

29

提供者:Gifford

batch数据为128,循环次数为1500次,损失函数优化完,最终完成评分为82.49。

2019-05-10 17:28:12

82.49

30

提供者:优雅一只猫

batch数据为32,循环次数为210次,损失函数优化完,最终完成评分为81.89。

2019-05-19 22:13:18

81.89

31

提供者:凌空

batch数据为256,循环次数为20次,损失函数优化完,最终完成评分为81.41。

2019-05-10 00:23:53

81.41

32

提供者:clare

batch数据为32,循环次数为1000次,损失函数优化完,最终完成评分为67.63。

2019-05-07 18:46:26

67.63

33

提供者:Joshua

batch数据为2500,循环次数为128次,损失函数优化完,最终完成评分为56。

2019-05-16 13:53:48

56.00

34

提供者:山高水远。

batch数据为32,循环次数为1000次,损失函数优化完,最终完成评分为47.36。

2019-05-07 12:54:35

47.36

35

提供者:XW

batch数据为512,循环次数为500次,损失函数优化完,最终完成评分为43.25。

2019-05-07 09:16:08

43.25

36

提供者:Olivia

batch数据为64,循环次数为400次,损失函数优化完,最终完成评分为30.58。

2019-05-12 16:05:46

30.58

37

提供者:Jason4521

batch数据为64,循环次数为100次,损失函数优化完,最终完成评分为29.58。

2019-05-11 07:46:12

29.58

38

提供者:binghang

batch数据为64,循环次数为20次,损失函数优化完,最终完成评分为29.38。

2019-05-07 09:05:08

29.38

39

提供者:江枫渔火

batch数据为64,循环次数为2400次,损失函数优化完,最终完成评分为26.14。

2019-05-06 04:49:24

26.14

40

提供者:troublemaker

batch数据为128,循环次数为5000次,损失函数优化完,最终完成评分为25.82。

2019-05-06 14:43:49

25.82

41

提供者:凉心半浅良心人

batch数据为32,循环次数为10次,损失函数优化完,最终完成评分为25.82。

2019-05-06 18:33:09

25.82

42

提供者:简逸

batch数据为64,循环次数为200次,损失函数优化完,最终完成评分为25.82。

2019-05-07 14:11:36

25.82

43

提供者:张行歌

batch数据为256,循环次数为100次,损失函数优化完,最终完成评分为25.82。

2019-05-08 19:11:36

25.82

44

提供者:嘿嘿

batch数据为32,循环次数为2000次,损失函数优化完,最终完成评分为25.82。

2019-05-08 19:18:32

25.82

45

提供者:Lcxiang3

batch数据为64,循环次数为2500次,损失函数优化完,最终完成评分为25.82。

2019-05-08 22:00:51

25.82

46

提供者:吴少乾

batch数据为32,循环次数为10次,损失函数优化完,最终完成评分为25.82。

2019-05-09 15:27:40

25.82

47

提供者:理言

batch数据为64,循环次数为500次,损失函数优化完,最终完成评分为25.82。

2019-05-09 20:18:05

25.82

48

提供者:hiccup

batch数据为100,循环次数为32次,损失函数优化完,最终完成评分为25.82。

2019-05-13 11:30:25

25.82

49

提供者:markov_future

batch数据为32,循环次数为3000次,损失函数优化完,最终完成评分为25.82。

2019-05-23 12:25:13

25.82

50

提供者:强化学习

batch数据为128,循环次数为2500次,损失函数优化完,最终完成评分为25.54。

2019-05-06 18:32:01

25.54

51

提供者:Nauxnewnah

batch数据为32,循环次数为100次,损失函数优化完,最终完成评分为25.26。

2019-05-08 00:25:12

25.26

52

提供者:汐炎

batch数据为64,循环次数为49次,损失函数优化完,最终完成评分为25.26。

2019-05-08 17:50:30

25.26

53

提供者:凌霄@文强

batch数据为64,循环次数为100次,损失函数优化完,最终完成评分为24.66。

2019-05-06 00:47:27

24.66

54

提供者:搁浅

batch数据为64,循环次数为100次,损失函数优化完,最终完成评分为24.66。

2019-05-08 10:36:35

24.66

2019-06-05
来追我咿呀哟

模型得分为98.76,本次获得排名奖奖金为250

2019-06-05 15:00:02

兔子是菜鸟

模型得分为98.76,本次获得排名奖奖金为375

2019-06-05 15:00:02

周氏悲悯情怀

模型得分为99.52,本次获得排名奖奖金为625

2019-06-05 15:00:01

2019-05-29
Student_HXJ

模型得分为85.13,本次获得实时奖励奖金为7.5

2019-05-29 14:13:33

2019-05-14
闻剑船书铸扌

模型得分为95.64,本次获得实时奖励奖金为1.46

2019-05-14 14:05:02

2019-05-13
闻剑船书铸扌

模型得分为88.97,本次获得实时奖励奖金为3.52

2019-05-13 13:51:06

Hallo

模型得分为95.12,本次获得实时奖励奖金为2.93

2019-05-13 10:56:56

打酱油

模型得分为93.09,本次获得实时奖励奖金为5.86

2019-05-13 10:44:22

2019-05-12
周氏悲悯情怀

模型得分为99.52,本次获得排名奖奖金为625

2019-05-12 15:00:02

兔子是菜鸟

模型得分为98.76,本次获得排名奖奖金为375

2019-05-12 15:00:02

来追我咿呀哟

模型得分为98.76,本次获得排名奖奖金为250

2019-05-12 15:00:02

2019-05-09
打酱油

模型得分为90.13,本次获得实时奖励奖金为7.03

2019-05-09 11:17:02

Endeløs læring

模型得分为88.77,本次获得实时奖励奖金为14.06

2019-05-09 11:16:55

Seeney

模型得分为92.57,本次获得实时奖励奖金为11.72

2019-05-09 11:16:49

Seeney

模型得分为88.69,本次获得实时奖励奖金为28.13

2019-05-09 11:16:46

minth

模型得分为92.93,本次获得实时奖励奖金为23.44

2019-05-09 11:16:43

Endeløs læring

模型得分为84.17,本次获得实时奖励奖金为15

2019-05-09 11:16:17

2019-05-08
gezp

模型得分为96.56,本次获得实时奖励奖金为1.46

2019-05-08 13:47:54

Seeney

模型得分为80.1,本次获得实时奖励奖金为1.88

2019-05-08 13:47:43

从小跑开始

模型得分为94.24,本次获得实时奖励奖金为46.88

2019-05-08 13:47:41

minth

模型得分为81.45,本次获得实时奖励奖金为3.75

2019-05-08 13:47:38

从小跑开始

模型得分为91.77,本次获得实时奖励奖金为56.25

2019-05-08 13:47:21

2019-05-07
Endeløs læring

模型得分为83.09,本次获得实时奖励奖金为7.5

2019-05-07 20:40:29

刘喵兄

模型得分为97.8,本次获得实时奖励奖金为2.93

2019-05-07 12:49:15

周氏悲悯情怀

模型得分为99.52,本次获得实时奖励奖金为62.86

2019-05-07 12:49:06

ChangeBio

模型得分为96.52,本次获得实时奖励奖金为11.72

2019-05-07 12:48:13

交差墒

模型得分为97.56,本次获得实时奖励奖金为23.44

2019-05-07 12:47:55

Silence

模型得分为84.33,本次获得实时奖励奖金为30

2019-05-07 12:47:35

xinlofi

模型得分为89.93,本次获得实时奖励奖金为112.5

2019-05-07 12:47:27

刘喵兄

模型得分为93.21,本次获得实时奖励奖金为93.75

2019-05-07 12:46:43

Hallo

模型得分为87.93,本次获得实时奖励奖金为60

2019-05-07 12:46:22

yangsmile

模型得分为97.48,本次获得实时奖励奖金为46.88

2019-05-07 12:45:07

兔子是菜鸟

模型得分为98.76,本次获得实时奖励奖金为99.75

2019-05-07 12:44:53

恋旧却念旧

模型得分为97,本次获得实时奖励奖金为187.5

2019-05-07 12:44:44

.co

模型得分为93.21,本次获得实时奖励奖金为187.5

2019-05-07 12:44:29

yangsmile

模型得分为83.89,本次获得实时奖励奖金为15

2019-05-07 12:44:16

gboy

模型得分为98.68,本次获得实时奖励奖金为1274

2019-05-07 12:44:11

挑战者大赛 官方交流群

训练记录

你还没有任何提交记录喔...

使用指南

  • windows客户端
  • windows命令行
  • Mac/Linux

1.进入代码编辑页下载当前代码

2.打开运行,输入cmd,打开终端

Win+R 输入 cmd

3.使用终端进入到项目的根目录下

cd path\to\project

4.开启 FlyAI-Jupyter 代码调试环境

在终端执行命令 flyai.exe ide 打开调试环境

操作过程有延迟,请耐心等待

运行 run main.py 命令即可在本地训练调试代码

5.提交训练到GPU

在FlyAI-Jupyter环境下运行 !flyai.exe train 将代码提交到云端GPU免费训练

返回sucess状态,代表提交离线训练成功

训练结束会以微信和邮件的形式发送结果通知

6.下载本地测试数据

首次成功执行本地调试命令后,将在本地代码包中自动生成"data"数据集文件夹

更多参赛帮助请查看文档中心

1.进入代码编辑页下载当前代码

2.本地解压缩代码包文件,双击执行 flyai.exe 程序

第一次使用需要使用微信扫码登录 杀毒软件可能会误报,点击信任该程序即可

3.开启 FlyAI-Jupyter 代码调试环境

运行flyai.exe程序,点击"使用jupyter调试"按钮自动打开jupyter notebook 操作界面

运行 run main.py 命令即可在本地训练调试代码

4.下载本地测试数据

运行flyai.exe程序,点击"下载数据"按钮,程序会下载100条调试数据

5.提交训练到GPU

运行flyai.exe程序,点击"提交GPU训练"按钮,代码将自动提交到云端GPU进行训练

返回sucess状态,代表提交离线训练成功

训练结束会以微信和邮件的形式发送结果通知

更多参赛帮助请查看文档中心

1.进入代码编辑页下载当前代码

2.使用终端进入到项目的根目录下

cd path\to\project

3.初始化环境登录

使用如下命令授权 flyai 脚本: chmod +x ./flyai

4.开启 FlyAI-Jupyter 代码调试环境

在终端执行命令 ./flyai ide 打开调试环境 操作过程有延迟,请耐心等待 运行 run main.py 命令即可在本地训练调试代码

5.提交训练到GPU

在FlyAI-Jupyter环境下运行 !flyai.exe train 将代码提交到云端GPU免费训练 返回sucess状态,代表提交离线训练成功 训练结束会以微信和邮件的形式发送结果通知

6.下载本地测试数据

首次成功执行本地调试命令后,将在本地代码包中自动生成"data"数据集文件夹

更多参赛帮助请查看文档中心

$vue{ errorTip }

发送样例至我的邮箱

已发送

已发送成功

请查收FlyAI官方邮件查看详情 根据样例提高算法评分可以获得积分奖励 用来兑换GPU训练时长

确定

$vue{flag?'报名成功!':'参赛温馨提示'}

通过迭代赛题的样例代码提高模型准确率哦~
准确率越高,奖励越丰富!

查看样例代码

⼤神你好!当前能⼒值⽆法参加新⼿手赛

多给新手一些机会哦~

查看样例代码

打开微信,使用扫一扫功能分享给好友

绑定你的微信账号

用于本地环境登录和实时接收训练通知
参赛提示


申请参赛资格请扫描上方二维码联系FlyAI客服

当前赛题您未在 24小时内 报名参加
参赛资格已失效,如有疑问请联系FlyAI客服

当前赛题您未在 48小时内 提交有效成绩
参赛资格已失效,如有疑问请联系FlyAI客服

参加其他比赛
提交结果文件
提示:每次提交需消耗 100 FAI

仅支持上传 CSV 格式的文件

$vue{csvName}上传成功
取消 确认提交

评估成绩得分

$vue{csv_data.score}
$vue{csv_data.lable}
关闭结果