Zuordnung der Toilettenpiktogramme

Zuordnung von Toilettenpiktogrammen

Problembeschreibung

Diese Aufgabe konzentriert sich auf das Training eines Modells, um die Beziehung zwischen männlichen und weiblichen Toilettenpiktogrammen derselben Toilette zu erlernen. Basierend auf gelabelten Trainingsdaten müssen Sie ein Zuordnungsmodell trainieren, das bei einem gegebenen Anfragebild sein Gegenstück des anderen Geschlechts findet (zum Beispiel ein männliches Piktogramm aus dem zugeschnittenen Bild mit dem weiblichen Gegenstück aus dem Originalbild zuordnet), mit der Einschränkung, dass beide Piktogramme aus derselben Toilette stammen.

Zum Beispiel, für ein Anfragebild (d.h. ein männliches Piktogramm im zugeschnittenen Bild), das unten in Abb. 1 dargestellt ist, ist sein entsprechendes Gegenstück in Abb. 2 gezeigt (d.h. ein weibliches Piktogramm im Originalbild, das aus derselben Toilette stammt).

Abbildung 1	Abbildung 2

Datensatz

Trainingssatz

Dieser Datensatz kann für das Training des Modells verwendet werden. Verzeichnisstruktur:

1train/ 2├── crop/ # Zugeschnittene Piktogramme 3│ ├── female/ 1.png, 2.png, ... 4│ └── male/ 5└── orig/ # Originale Piktogramme6    ├── female/7    └── male/

Jeder Unterordner enthält Piktogramme benannt von 1.png bis 82.png, wobei die Nummer die ID der Toilette angibt. Für jede Toilette gibt es vier Bilder (beachten Sie, dass vier Bilder derselben Toilette dieselbe eindeutige ID in allen vier Unterordnern haben):

• crop/female/i.png → Zugeschnittenes Frauenpiktogramm
• crop/male/i.png → Zugeschnittenes Männerpiktogramm
• orig/female/i.png → Originales weibliches Piktogramm
• orig/male/i.png → Originales männliches Piktogramm

Validierungs- und Testsatz

Der Validierungssatz (validation_set) und der Testsatz (test_set) enthalten zwei Unterordner mit folgender Struktur:

1validation_set/2├── query/ # Zugeschnittene Piktogramme, die zugeordnet werden sollen 3└── gallery/ # Kandidaten für originale Piktogramme

1test_set/ 2├── query/ # Zugeschnittene Piktogramme, die zugeordnet werden sollen 3└── gallery/ # Kandidaten für originale Piktogramme

wobei

• query/ - zugeschnittene Piktogramme, die zugeordnet werden müssen;
• gallery/ - Satz von originalen Piktogrammen, aus denen zugeordnet werden soll;
• Alle Bilder sind im .png Format.
• Der Validierungssatz hat 10 Bilder im query/ Ordner, und der Testsatz hat 30 Bilder in seinem query/ Ordner.

Hinweise:

• Im Gegensatz zur vorgeschlagenen Aufteilung für den Trainingssatz sind die Dateinamen in query/ und gallery/ unabhängig nummeriert und gemischt, was bedeutet, dass die Zuordnung nicht auf IDs basieren kann.
• Für jedes zugeschnittene Piktogramm aus query/ gibt es genau zwei Originale in gallery/ (einen Mann, eine Frau aus derselben Toilette), was bedeutet, dass len(gallery)=2*len(query).

Aufgabe

Für jedes Bild im query/ Ordner sagen Sie das Bild aus gallery/ vorher, das:

• Vom entgegengesetzten Geschlecht ist und aus derselben Toilette stammt.

Diese Zuordnung sollte unter Verwendung des trainierten Modells erfolgen.

Einreichungsdatei

Sie müssen eine submission.csv Datei generieren, die Folgendes enthält:

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

wobei:

• image_path ist der Pfad zum Bild aus query/, für das die Vorhersage gemacht wird (wird aus test.csv übernommen)
• label ist die Nummer, die im Titel des Bildes aus gallery/ enthalten ist, das mit dem aus query/ gepaart wird.

Bewertung

Die Bewertungsmetrik wird die Klassifikationsgenauigkeit sein, definiert als der Anteil korrekt vorhergesagter Proben aus der Gesamtzahl der bewerteten Proben.

Die Endpunktzahl wird basierend auf der erreichten Genauigkeit unter Verwendung folgender Regeln berechnet:

• accuracy ≥ 0.9 → 100 Punkte
• accuracy ≤ 0.5 → 0 Punkte
• Für Zwischenwerte wird eine proportionale Punktzahl zwischen 0 und 100 vergeben.