新手分
78/100
适合已有 Python 深度学习与 PaddlePaddle 使用经验、想做医学图像语义分割的个人参赛者。参赛者需要能处理环扫 OCT 图像，并理解 RNFL、GCIPL 和脉络膜三类视网膜相关层的分割目标；比赛仅支持个人参赛。
官方提供了可以直接运行的基线，从它开始通常比从零搭快得多。
GOALS dataset with 300 circumpapillary OCT scans and segmentation labels.
如果下面这些前置项还很陌生，先补准备通常比直接参赛更划算。
能够读懂官方赛题与参赛规则
OCT医学图像处理
语义分割模型
小样本学习
视网膜层标注理解
Python深度学习训练
真正的难点通常不是“会不会调包”，而是验证、时间分配和任务理解。
主要难点是在小规模训练数据上稳定分割三种边界细致的 OCT 层结构：页面明确说明训练部分只有 100 个样本，并鼓励针对小样本训练设计模型。还需按要求使用 PaddlePaddle 2.0 及以上版本训练端到端模型，并提交预测结果和原始代码。
以下竞赛与当前竞赛方向或难度相近，可以一起对比。
把已确认、待核对和人工审核状态分开看；最终规则与截止时间以官方页为准，发现错误欢迎提交纠错。
官方 metric 还没有从当前抓取结果中确认，仍需人工核对。