点击上方“机器学习与生成对抗网络”，关注"星标"
获取有趣、好玩的前沿干货！
文章整理：opencv中文网
近日，由法国病理学会举办了一个病变分类挑战赛，内容为对宫颈活检图像进行癌变分类（良性、低风险、高风险、恶性四类），提供700GB 150,000 x 85,000 大规模图像，含有几千人个体及其类别标注，挑战研究人员处理数据和建立有效模型的能力。
因为数据规模太大，参赛人员需要上传代码在服务器上执行程序。
提交范例:
https://github.com/drivendataorg/sfp-cervical-biopsy-runtime/
两大赛点：
1. 如何有效利用给定数据。
图像分辨率很大，但样本量并不很多的这类医学数据如何有效进行图像采样、缩放、转化、增广等。
2. 增加有效外部数据。
举办方允许参赛者在训练时增加外部数据、使用其他数据集的预训练模型，甚至是自己标的数据，但前提是这些数据是可以公开获得的，如果是自己的数据，获奖者需要公开数据。（可见，举办方希望看到的结果是问题被解决，至于你用了什么手段，只要是真正有效的手段都可以）
奖金
该挑战赛提供2.5万欧元（约20万人民币）奖励：
1st 12,000 欧元
2nd 8,000 欧元
3rd 5,000 欧元
即日起开始报名，10月29日比赛截止。
图像分类是计算机视觉的基础任务，但对于真实问题，真正能做好，也不容易。
比赛地址：
https://www.drivendata.org/competitions/67/competition-cervical-biopsy/
欢迎参赛！
猜您喜欢：
附下载 | 《Python进阶》中文版
附下载 | 经典《Think Python》中文版
附下载 | 《Pytorch模型训练实用教程》
附下载 | 最新2020李沐《动手学深度学习》
附下载 | 《可解释的机器学习》中文版
附下载 |《TensorFlow 2.0 深度学习算法实战》
附下载 | 超100篇！CVPR 2020最全GAN论文梳理汇总！
附下载 |《计算机视觉中的数学方法》分享
