Съвпадение на тоалетните пиктограми

Съпоставяне на пиктограми за тоалетни

Описание на задачата

Тази задача се фокусира върху обучението на модел за изучаване на връзката между мъжките и женските пиктограми за тоалетни от една и съща тоалетна. Въз основа на етикетираните данни за обучение, трябва да обучите модел за съпоставяне, който при дадено заявено изображение намира своя аналог от различен пол (например да съпостави мъжка пиктограма от изрязаното изображение с женския аналог от оригиналното изображение), с ограничението че и двете пиктограми произхождат от една и съща тоалетна.

Например, за заявено изображение (т.е. мъжка пиктограма в изрязаното изображение), представено по-долу в Фиг. 1, съответният му аналог е представен в Фиг. 2 (т.е. женска пиктограма в оригиналното изображение, която е от същата тоалетна).

Фигура 1	Фигура 2

Набор от данни

Набор за обучение

Този набор от данни може да се използва за обучение на модела. Структура на директориите:

1train/ 2├── crop/ # Изрязани пиктограми 3│ ├── female/ 1.png, 2.png, ... 4│ └── male/ 5└── orig/ # Оригинални пиктограми6    ├── female/7    └── male/

Всяка подпапка съдържа пиктограми наименувани от 1.png до 82.png, където числото показва ID-то на тоалетната. За всяка тоалетна има четири изображения (забележете, че четирите изображения от една и съща тоалетна ще имат същото уникално ID във всичките четири подпапки):

• crop/female/i.png → Изрязана женска пиктограма
• crop/male/i.png → Изрязана мъжка пиктограма
• orig/female/i.png → Оригинална женска пиктограма
• orig/male/i.png → Оригинална мъжка пиктограма

Набор за валидиране и тестване

Наборът за валидиране (validation_set) и наборът за тестване (test_set) съдържат две подпапки със следната структура:

1validation_set/2├── query/ # Изрязани пиктограми, които ще бъдат съпоставяни 3└── gallery/ # Кандидат оригинални пиктограми

1test_set/ 2├── query/ # Изрязани пиктограми, които ще бъдат съпоставяни 3└── gallery/ # Набор от оригинални пиктограми за съпоставяне

където

• query/ - изрязани пиктограми, които трябва да бъдат съпоставени;
• gallery/ - набор от оригинални пиктограми за съпоставяне;
• Всички изображения са в .png формат.
• Наборът за валидиране има 10 изображения в папката query/, а наборът за тестване има 30 изображения в своята папка query/.

Забележки:

• За разлика от предложеното разделение за набора за обучение, имената на файловете в query/ и gallery/ са номерирани и разбъркани независимо, което означава, че съпоставянето не може да се основава на ID-та.
• За всяка изрязана пиктограма от query/ има точно два оригинала в gallery/ (един мъж, една жена от същата тоалетна), което означава, че len(gallery)=2*len(query).

Задача

За всяко изображение от папката query/, предскажете изображението от gallery/, което:

• Е от противоположен пол и произхожда от същата тоалетна.

Това съпоставяне трябва да се реализира използвайки обучения модел.

Файл за подаване

Ще трябва да генерирате файл submission.csv, който да съдържа следното:

1image_path, label2dataset/validation_set/query/1.png, 73dataset/test_set/query/1.png, 24...

където:

• image_path е пътят към изображението от query/, за което се прави прогнозата (взет е от test.csv)
• label е числото, което се съдържа в заглавието на изображението от gallery/, което се съчетава с това от query.

Оценка

Метриката за оценяване ще бъде точността на класификацията, дефинирана като пропорцията на правилно предсказаните образци от общия брой оценявани образци.

Финалният резултат се изчислява въз основа на постигнатата точност, използвайки следните правила:

• accuracy ≥ 0.9 → 100 точки
• accuracy ≤ 0.5 → 0 точки
• За междинните стойности се присъждат пропорционални точки между 0 и 100.