Kaggle新赛一览

简介: Kaggle新赛一览

Kaggle新赛1:通过音频识别鸟类和青蛙物种


Rainforest Connection Species Audio Detection

Automate the detection of bird and frog species in a tropical soundscape


6.png

Rainforest Connection Species Audio Detection


赛题背景


Rainforest Connection(RFCx)创建了世界上第一个可扩展的实时监控系统,用于保护和研究远程生态系统。与无人机或卫星等基于视觉的跟踪系统不同,RFCx依赖于声传感器,该声传感器全年监测选定位置的生态系统声景。RFCx技术已经得到了先进的支持,以支持全面的生物多样性监测计划,该计划允许本地合作伙伴通过适应性管理原则来衡量野生动植物恢复和恢复的进度。 RFCx监视平台还具有创建卷积神经网络(CNN)模型进行分析的能力。


在这项比赛中,您将自动检测热带音景录音中的鸟类和青蛙物种。您将使用声音复杂的有限训练数据来创建模型。它不仅具有鸟和青蛙的声音,还可能听到一种或两种昆虫的鸣叫,您的模型需要将其过滤掉


赛题时间


2021年2月10日--参赛截止日期

2021年2月10日--团队合并截止日期

2021年2月17日--最终提交截止日期


比赛链接


https://www.kaggle.com/c/rfcx-species-audio-detection/


奖金池


$15,000


Kaggle新赛2:木薯叶疾病分类


Cassava Leaf Disease Classification

Identify the type of disease present on a Cassava Leaf image


7.png

Cassava Leaf Disease Classification


赛题背景


在这项比赛中,引入了在乌干达定期调查期间收集的21,367张带标签图像的数据集。大多数图像都是从农民那里获取的,并为他们的花园拍照,并由国家作物资源研究所(NaCRRI)的专家与坎帕拉的麦克雷雷大学的AI实验室合作进行注释。 这是最现实地表示农民在现实生活中需要诊断的格式。


任务是将每个木薯图像分类为四个疾病类别或第五个类别,指示健康的叶子。 在您的帮助下,农民可能能够快速识别出患病的植物,从而有可能在造成无法弥补的损失之前挽救作物


赛题时间


2021年2月11日--参赛截止日期

2021年2月11日--团队合并截止日期

2021年2月18日--最终提交截止日期


比赛链接


https://www.kaggle.com/c/cassava-leaf-disease-classification/


奖金池


$18,000


Kaggle新赛3:自动检测赛场上的头盔撞击事件


NFL 1st and Future - Impact Detection

Detect helmet impacts in videos of NFL plays


8.png

NFL 1st and Future - Impact Detection


赛题背景


美国国家橄榄球联盟(NFL)与亚马逊网络服务(AWS)合作开发了“数字运动员”,这是复合NFL球员的虚拟表示,NFL可以使用它来模拟比赛场景,从而更好地预测和预防球员 受伤。NFL作为“数字运动员”平台的一部分,正在积极满足对计算机视觉系统进行检测以检测现场头盔撞击的需求,并且联盟呼吁Kagglers提供帮助。


在这场比赛中,您将开发一个计算机视觉模型,该模型可以自动检测在现场发生的头盔撞击。从数以千计的游戏图像,来自边线和末端区域的带标签的视频以及玩家跟踪数据的1000多个确定的头部碰撞数据集开始。 这些信息来自NFL的下一代统计(NGS)系统,该系统记录了NFL游戏期间场上每个球员的位置,速度,加速度和方向。


赛题时间


2020年12月28日-报名截止日期。

2020年12月28日-团队合并截止日期。

2021年1月4日-最终提交截止日期


比赛链接


https://www.kaggle.com/c/nfl-impact-detection/overview/timeline


奖金池


$75,000


Kaggle新赛4 HuBMAP: 识别人体肾脏组织图像中的肾小球


HuBMAP: Hacking the Kidney

Identify glomeruli in human kidney tissue images


9.png

HuBMAP Hacking the Kidney


赛题背景


据我们估计,地球上有超过70亿人,银河系有3000亿颗恒星。相比之下,成人体内有37万亿个细胞。确定这些细胞之间的功能和关系是一项具有里程碑意义的工作。如果我们更好地了解细胞的活动,人类健康的许多领域都会受到影响。对于Kaggle社区来说,这么多数据的一个问题是很好的匹配。


正如人类基因组计划绘制了人类DNA的整体图一样,人类生物分子图谱计划(HuBMAP)是一项重要的工作。由美国国立卫生研究院(NIH)赞助的HuBMAP致力于催化框架的发展,这是有史以来的第一次,将人体绘制在肾小球功能组织单位水平上。 HuBMAP希望成为世界上最大的合作生物项目之一,旨在成为人体细胞水平的开放地图。


这项名为“入侵肾脏”的竞赛始于以单细胞分辨率绘制人类肾脏的图谱。

比赛任务是要检测不同组织准备管道中的功能组织单位(FTU)。FTU被定义为“以毛细管为中心的三维单元块,以使该单元中的每个单元与同一单元中的任何其他单元的扩散距离相近”(de Bono,2013年)。 这项竞赛的目标是实现成功且强大的肾小球FTU检测器。


赛题时间


2021年1月19日-报名截止日期

2021年1月19日-团队合并截止日期

2021年2月1日-最终提交截止日期

2021年2月5日-选方案提交截止日期

2021年2月12日-颁奖日期


比赛链接


https://www.kaggle.com/c/hubmap-kidney-segmentation/


奖金池


$60,000

ps:为了节省时间,背景介绍是机翻,希望在一定程度上帮助大家理解 _

相关文章
|
5月前
|
机器学习/深度学习 人工智能 算法
GitHub星标破千!斯坦福大学的284个机器学习小抄(漫画中文版)
说到人工智能必然要了解机器学习,从信息化软件,到电子商务,然后到高速发展互联网时代,到至今的云计算、大数据等,渗透到我们的生活、工作之中,在互联网的驱动下,人们更清晰的认识和使用数据,不仅仅是数据统计、分析,我们还强调数据挖掘、预测。 机器学习就是对计算机一部分数据进行学习,然后对另外一些数据进行预测与判断。 机器学习的核心是”使用算法解析数据,从中学习,然后对新数据作出决定或预测”。也就是说计算机利用已获取的数据得出某一模型,然后利用此模型进行预测的一种方法,这个过程跟人的学习过程有些类似,比如人获取一定的经验,可以对新问题进行预测。
GitHub星标破千!斯坦福大学的284个机器学习小抄(漫画中文版)
|
5月前
|
机器学习/深度学习 人工智能 自然语言处理
豆瓣评分9.5!清华大牛熬夜整理的Python深度学习教程开发下载!
深度学习目前已经成为了人工智能领域的突出话题。它在“计算机视觉和游戏(AlphaGo)等领域的突出表现而闻名。 今天给小伙伴们分享的这份手册,详尽介绍了用 Python 和 Keras进行深度学习的探索实践,涉及计算机视觉、自然语言处理、生成式模型等应用。
|
程序员 搜索推荐
用ModelScope来阐述中秋的意义
我们分三步走第一步中秋节的背景第二怎么过中秋节 第三中秋祝福有那些来分析ModelScope的好坏
180 0
用ModelScope来阐述中秋的意义
|
机器学习/深度学习 人工智能 数据可视化
还在用PPT做神经网络架构图?GitHub2万星项目,手把手教你从入门到可视化大师
现在搞机器学习的成本越来越低了,熟悉了Python和sklearn、Keras、Pytorch等机器学习框架,就能搭建自己的模型了,可是模型建好后如何解释给别人听,难倒了不少人。今天,我们就来介绍两款开源的机器学习画图工具,让你分分钟做出精美的可视化。
2005 0
还在用PPT做神经网络架构图?GitHub2万星项目,手把手教你从入门到可视化大师
|
机器学习/深度学习 架构师 算法框架/工具
机器学习天降福音!数据科学家、Kaggle大师发布「ML避坑宝典」
机器学习天降福音!数据科学家、Kaggle大师发布「ML避坑宝典」
101 0
|
机器学习/深度学习 Web App开发
开源数据集网站推荐,持续更新!
开源数据集网站推荐,持续更新!
730 0
开源数据集网站推荐,持续更新!
|
机器学习/深度学习 人工智能 自然语言处理
撒花!《神经网络与深度学习》中文教程正式开源!全书 pdf、ppt 和代码一同放出
撒花!《神经网络与深度学习》中文教程正式开源!全书 pdf、ppt 和代码一同放出
2970 0
撒花!《神经网络与深度学习》中文教程正式开源!全书 pdf、ppt 和代码一同放出
|
机器学习/深度学习 人工智能 TensorFlow
火爆 GitHub 的 16 张机器学习速查表,值得收藏!
火爆 GitHub 的 16 张机器学习速查表,值得收藏!
162 0
火爆 GitHub 的 16 张机器学习速查表,值得收藏!
|
机器学习/深度学习 人工智能 资源调度
Dataset之RentListingInquries:RentListingInquries(Kaggle竞赛)数据集的简介、下载、案例应用之详细攻略
Dataset之RentListingInquries:RentListingInquries(Kaggle竞赛)数据集的简介、下载、案例应用之详细攻略
Dataset之RentListingInquries:RentListingInquries(Kaggle竞赛)数据集的简介、下载、案例应用之详细攻略