图像分类

图像分类是计算机视觉中最基础的一个任务,也是几乎所有的基准模型进行比较的任务。它的目标是将不同的图像,划分到不同的类别,实现最小的分类误差。从最开始比较简单的手写数字识别任务,到后来的imagenet 任务,图像分类模型伴随着数据集的增长,一步一步提升到了今天的水平。

练习比赛

遥感影像场景分类预测

遥感影像场景分类是遥感影像目标检测和高层语义理解的基础,遥感影像高层语义理解又是空间分析的基础。实际应用中空间分析借助地图与空间信息解决经济、社会、国防等重要领域的技术任务。 例如通过遥感影像进行农作物估产、城市规划、商铺选址、城市热点场所人群分析、空间规划等等。空间分析是解决实际生活中问题的重要手段,而遥感影像场景分类是空间分析的基石。 遥感影像场景分类任务是从多幅遥感影像中区分出具有相似场景特征的图像,并对这些图像进行分类,为每一幅遥感影像赋予场景类别标签。

实时奖金

Cinic-10图像分类

奖金池 ¥ 5,000

CINIC-10由CIFAR和ImageNet的图像组成。来自这些的图像不一定是相同的分布,呈现出新的挑战。CINIC-10 中共有 270,000 张图像,将这些图像平均分割为三个子集:训练集、验证集和测试集。

练习比赛

生活垃圾分类

自今年7月1日起,上海市将正式实施 《上海市生活垃圾管理条例》。垃圾分类,看似是微不足道的“小事”,实则关系到13亿多人生活环境的改善,理应大力提倡。 垃圾识别分类数据集中包括class、cardboard、metal、paper、plastic、trash,共6个类别。 生活垃圾由于种类繁多,具体分类缺乏统一标准,大多人在实际操作时会“选择困难”,基于深度学习技术建立准确的分类模型,利用技术手段改善人居环境。

练习比赛

Intel场景分类挑战赛

此数据集来自英特尔场景分类挑战赛。数据集共包含森林、街道、海景等6个场景,共24335张图片。

练习比赛

AI医学影像:小儿肺炎患者诊断

胸部X线影像(前-后)选自广州市广州妇女儿童医学中心一至五岁儿科患者。所有胸部X射线成像均作为患者常规临床护理的一部分进行。 有5,863个X射线图像(JPEG)和2个类别(肺炎/正常)。

实时奖金

TensorFlow2.0 人民币面值识别

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

实时奖金

农作物病虫害检测

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。

实时奖金

细胞图像分类-疟疾病诊断

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。

实时奖金

表征患者血液样本分析之白细胞分类

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。

实时奖金

7种表情分类

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。

实时奖金

5种花分类

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。

实时奖金

200种鸟类图像分类

奖金池 ¥ 3,000

Caltech-UCSD Birds 200 (CUB-200) 是一个图像数据集,包含200种鸟类(主要是北美洲)的照片。分类数量:200 图片数量:6,033 标注:边界框,分割,属性

实时奖金

SLR-手语识别挑战赛

奖金池 ¥ 5,000

这个数据集为手语识别(Sign Language Recognition),识别500个类别的手语单词。数据集包含了超过11万的样本,每个样本都包含了25个人体关键点的位置轨迹。

实时奖金

Caltech256 图像分类竞赛

奖金池 ¥ 4,000

Caltech-256 物品分类数据集由Caltech-101数据集演变而来,该数据集选自Google Image数据集,并手工去除了不符合其类别的图片。在该数据集中共有30,607张图片,256个图片类别,每个类别包括超过80张图片。

实时奖金

CIFAR100种图片分类练习赛

奖金池 ¥ 2,000

此数据集与CIFAR-10类似,不同之处在于它有100个类型,每类包含600个图像。每个类有500个训练图像和100个测试图像。CIFAR-100中的100个小类分为20个大类,每张图片包含其所属的小类和大类标签。

实时奖金

101种食物分类预测竞赛

奖金池 ¥ 5,000

该数据集包含了101个食品类别,其中包含101,000个图像。对于每个类别。注意,训练图像没有清理,因此仍然包含一些噪音。这主要是以强烈的色彩和有时错误的标签形式出现的。所有图像都重新缩放,最大边长为512像素。

实时奖金

MNIST手写数字识别练习赛

奖金池 ¥ 600

MNIST手写数字数据库具有60,000个训练集和10,000个测试集。它是NIST大集合的子集。数字已经过尺寸标准化,并以固定尺寸的图像为中心。数据集中图像为28*28的二进制图片。它是一个很好的入门计算机视觉的数据集。

实时奖金

CIFAR-10 图片分类预测

奖金池 ¥ 1,000

CIFAR-10数据集是一组图像,通常用于训练机器学习和计算机视觉算法。它是机器学习研究中使用最广泛的数据集之一。 CIFAR-10数据集包含10个不同类别的60,000个32x32彩色图像。 10个不同的类别代表飞机,汽车,鸟类,猫,鹿,狗,青蛙,马,船和卡车。每个类别有6000张图片,该数据集共有5万张训练图片以及1万张测试图片

实时奖金

动植物图像分类预测

奖金池 ¥ 1,000

该数据集下包含俩类图像集,动物和植物。这是一个简单的二分类预测练习赛,通过建立模型准确预测动物和植物的图像类别。

练习比赛

升级版MNIST手写数字识别练习赛

Fashion-MNIST是一个替代MNIST手写数字集的图像数据集。 它是由Zalando(一家德国的时尚科技公司)旗下的研究部门提供。其涵盖了来自10种类别的共7万个不同商品的正面图片。Fashion-MNIST的大小、格式和训练集/测试集划分与原始的MNIST完全一致。60000/10000的训练测试数据划分,28x28的灰度图片。

练习比赛

120种狗狗品种分类赛

Stanford Dogs数据集包含来自世界各地的120种犬种的图像。该数据集是使用ImageNet中的图像和注释构建的,用于细粒度图像分类的任务。它最初被收集用于细粒图像分类,这是一个具有挑战性的问题,因为某些犬种具有接近相同的特征或者颜色。

练习比赛

植物幼苗分类

该数据集包括12种植物物种的幼苗。本次竞赛的任务是根据图片建立预测植物种类的精准模型。