Correspondance des pictogrammes de toilettes

Appariement des pictogrammes de toilettes

Description du problème

Cette tâche se concentre sur l'entraînement d'un modèle pour apprendre la relation entre les pictogrammes de toilettes masculines et féminines de la même toilette. Sur la base des données d'entraînement étiquetées, vous devez entraîner un modèle d'appariement qui, étant donné une image de requête, trouve son homologue de genre différent (par exemple, apparier un pictogramme masculin de l'image découpée avec l'homologue féminin de l'image originale), avec la contrainte que les deux pictogrammes proviennent de la même toilette.

Par exemple, pour une image de requête (c'est-à-dire un pictogramme masculin dans l'image découpée) présentée ci-dessous en Fig. 1, son homologue correspondant est présenté en Fig. 2 (c'est-à-dire un pictogramme féminin dans l'image originale, qui provient de la même toilette).

Figure 1	Figure 2

Jeu de données

Jeu d'entraînement

Ce jeu de données peut être utilisé pour l'entraînement du modèle. Structure des répertoires :

1train/ 2├── crop/ # Pictogrammes découpés 3│ ├── female/ 1.png, 2.png, ... 4│ └── male/ 5└── orig/ # Pictogrammes originaux6    ├── female/7    └── male/

Chaque sous-dossier contient des pictogrammes nommés de 1.png à 82.png, où le numéro indique l'ID de la toilette. Pour chaque toilette, il y a quatre images (notez que quatre images de la même toilette auront le même ID unique dans les quatre sous-dossiers) :

• crop/female/i.png → Pictogramme femme découpé
• crop/male/i.png → Pictogramme homme découpé
• orig/female/i.png → Pictogramme original féminin
• orig/male/i.png → Pictogramme masculin original

Jeu de validation et de test

Le jeu de validation (validation_set) et le jeu de test (test_set) contiennent deux sous-dossiers avec la structure suivante :

1validation_set/2├── query/ # Pictogrammes découpés qui seront appariés 3└── gallery/ # Pictogrammes originaux candidats

1test_set/ 2├── query/ # Pictogrammes découpés qui seront appariés 3└── gallery/ # Pictogrammes originaux candidats

où

• query/ - pictogrammes découpés qui doivent être appariés ;
• gallery/ - ensemble de pictogrammes originaux à partir desquels apparier ;
• Toutes les images sont au format .png.
• Le jeu de validation a 10 images dans le dossier query/, et le jeu de test a 30 images dans son dossier query/.

Remarques :

• Contrairement à la division proposée pour le jeu d'entraînement, les noms de fichiers dans query/ et gallery/ sont numérotés et mélangés indépendamment, ce qui signifie que l'appariement ne peut pas se baser sur les ID.
• Pour chaque pictogramme découpé dans query/ il existe exactement deux originaux dans gallery/ (un homme, une femme de la même toilette), ce qui signifie que len(gallery)=2*len(query).

Tâche

Pour chaque image du dossier query/, prédisez l'image de gallery/ qui :

• Est de sexe opposé et provient de la même toilette.

Cet appariement devrait être réalisé en utilisant le modèle entraîné.

Fichier de soumission

Vous devrez générer un fichier submission.csv qui contient ce qui suit :

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

où :

• image_path est le chemin vers l'image de query/ pour laquelle la prédiction est réalisée (il est pris de test.csv)
• label est le numéro que contient dans son titre l'image de gallery/ qui s'apparie avec celle de query.

Score

La métrique d'évaluation sera la précision de classification, définie comme la proportion d'échantillons prédits correctement du nombre total d'échantillons évalués.

Le score final est calculé sur la base de la précision obtenue en utilisant les règles suivantes :

• accuracy ≥ 0.9 → 100 points
• accuracy ≤ 0.5 → 0 points
• Pour les valeurs intermédiaires, un score proportionnel entre 0 et 100 est accordé.