赛题名：Fashion-MNIST分类练习赛道：训练赛道背景：图像分类（image classification）是计算机视觉领域中最简单最基础的任务，学习研究图像分类是每个计算机视觉研究者的必经之路，图像分类网络也是很多更复杂任务（如目标检测、语义分割等）算法的基础。本练习赛旨在让选手们用图像分类任务来以赛代练、熟悉深度学习框架和比赛流程。 在图像分类学习中，MNIST数据集常被用来作为入门教学数据集。但是，MNIST数据集存在一些问题：首先，MNIST数据集对于现在的卷积神经网络来说过于简单，SOTA模型的分类精度达到了99.84%，甚至传统机器学习方法也能达到97%的精度，因此模型的精度在此达到了饱和，几乎没有提升的空间；再者，有些专家对MNIST数据集提出了质疑，比如谷歌的深度学习专家、Keras的作者François Chollet曾表示：“MNIST存在很多问题，但最重要的是，它真的不具有计算机视觉任务的代表性。”并补充道：“很多好点子（比如batch norm）在MNIST上效果差，但相反的，一些差的方法可能在MNIST产生好效果，却不能迁移到真实计算机视觉任务中。” 总之，用MNIST数据集来学习计算机视觉既不够有难度，又不便学习到能运用到真实计算机视觉任务中的方法。因此，本练习赛采用和MNIST同等规模但更有难度的数据集Fashion-MNIST（github链接：https://github.com/zalandoresearch/fashion-mnist），Fashion-MNIST由60000张训练集图像、10000张测试集图像及对应的标签构成，每张图像是分辨率为28x28的灰度图像，包含10种分类：T恤、裤子、套头衫、连衣裙、大衣、凉鞋、衬衫、运动鞋、包、短靴。 本练习赛的参赛者可以使用Tensorflow、Keras、Pytorch、Paddlepaddle等开源深度学习框架来进行模型的搭建、训练和预测。任务：本任务旨在构建一种机器学习算法模型，建立振动信号和“亚健康”状态之间的关系，通过一系列手段，使得模型具有更高的准确率、更好的鲁棒性和泛化性。 [!--event--] 推荐竞赛 1结核杆菌目标检测 2心理卡牌目标检测算法赛 3医疗文本分类 4第五届中国创新挑战赛智慧教育专题赛：教育手写公式识别 5Intel场景分类挑战赛 6用户商场评价情感分析 7第五届BOT数据智能创新应用国际大赛 8电商用户购买行为预测 栏目信息 题库总量统计：102 个题库 当前总量统计：121 个题库

人们线上数字生活越来越多媒体化，音视频技术正在加速的往超高清、低延迟、沉浸式、强互动方向发展，全真互联网的时代即将来临，音视频领域相应的技术架构、应用场景、服务生态和消费模式都将迎来新一轮的发展创新。

腾讯云音视频在音视频领域已有超过21年的技术积累，持续支持国内90%的音视频客户实现云上创新，腾讯云RT-ONE™音视频通信网络是全球首家对CDN流媒体分发网络、IM即时通信网络以及TRTC实时通信网络进行统一融合的公有云厂商；在此基础上，构建起了业界最完整的 PaaS 平台以及音视频终端产品家族，腾讯云音视频持续在基础技术、产品方案、商业生态三大方面不断布局，为全真互联网的发展构建最坚实的“新基建”。

腾讯云音视频联合腾讯云+社区、腾讯多媒体实验室、腾讯千帆、腾讯云启产业生态平台（包括产业加速器、基地等业务）、腾讯WeSpace等伙伴联合启动2021 V+全真互联创新创业挑战赛，作为首个面向全真互联网领域的创新创业大赛，我们将邀请最顶尖的技术专家、商业导师、创投机构及孵化器，面向全球征集最具有创新力、商业潜力的场景应用及创业计划，期望与您一同探索视界，创见未来！