Denne konkuransen sentrerer seg rundt å skape maskinlæringsmodeller som er i stand til nøyaktig å klassifisere bilder fra Kvasir-datasettet. Disse bildene viser ulike gastrointestinale funn og må kategoriseres i følgende klasser: Z-linje, Pylorus, Cekum, Øsofagitt, Polypper, Ulcerøs Kolitt, Farget og Løftet Polypper, og Farget Reseksjonsmarginer. Målet er å forbedre nøyaktigheten av kategoriseringen for å støtte medisinsk diagnostikk.
Deltakere kan få tilgang til utviklings- og testdatasettene gjennom følgende lenker:
For de som er nye i denne utfordringen eller søker veiledning, anbefaler vi å starte med den tilgjengelige Google Colab-notatboken. Denne notatboken tilbyr en trinn-for-trinn-guide og ressurser for å sparke i gang prosjektet ditt.