Segmentación de emoticonos

🏞️ Segmentación de emoticonos 🖼️ + 😀

Para este problema debes implementar un modelo capaz de realizar segmentación semántica de imágenes con fondo geométrico que contienen emoticonos. El modelo debe generar una máscara binaria en la que los píxeles correspondientes a los emoticonos son 255 (blanco) y el fondo es 0 (negro).

🔹 Conjunto de datos

El conjunto de datos se proporciona en forma de imágenes y máscaras:

• train.csv: contiene ejemplos para el entrenamiento del modelo

  Columna	Tipo	Descripción
  SampleID	string	Identificador único para cada ejemplo
  Path	string	Ruta hacia la imagen que contiene emoji
  Mask	string	Ruta hacia la máscara binaria correspondiente a la imagen

• test.csv: contiene ejemplos para predicción

  Columna	Tipo	Descripción
  SampleID	string	Identificador único
  Path	string	Ruta hacia la imagen que contiene emoji

⚙️ Métrica utilizada para evaluación

La métrica utilizada para este problema es:

• IoU (Intersection over Union): para cada imagen, IoU calculado entre la máscara predicha y la máscara ground-truth.

La puntuación total se calcula como la media de los valores para todas las imágenes del test.

Asignación de puntuación

1. Se calcula IoU (Intersection over Union) para cada par máscara real – máscara predicha.
2. Se hace la media IoU sobre todas las muestras (mean IoU).
3. Se transforma la media en puntuación así:

• mean IoU >= 0.75 → 100 puntos
• 0.50 ≤ mean IoU < 0.75 → 50–99 puntos proporcional
• 0.25 ≤ mean IoU < 0.50 → 25–49 puntos proporcional
• mean IoU < 0.25 → 0–24 puntos proporcional

📨 Formato del archivo de envío

El archivo de envío debe ser un archivo comprimido que contenga un directorio con las máscaras de segmentación predichas y un archivo csv llamado submission.csv que contenga un mapeo entre SampleID y la ruta hacia la máscara predicha (el nombre de la columna debe ser PredictedMask) para cada imagen del test:

🔹 Ejemplo de submission.csv

🖼️ Ejemplos

Imagen original	Máscara