Segmentazione di emoticon

🏞️ Segmentazione delle emoticon 🖼️ + 😀

Per questo problema dovete implementare un modello capace di realizzare la segmentazione semantica di immagini con sfondo geometrico che contengono emoticon. Il modello deve generare una maschera binaria in cui i pixel corrispondenti alle emoticon sono 255 (bianco) e lo sfondo è 0 (nero).

🔹 Set di dati

Il set di dati è fornito sotto forma di immagini e maschere:

• train.csv: contiene esempi per l'addestramento del modello

  Colonna	Tipo	Descrizione
  SampleID	string	Identificatore unico per ogni esempio
  Path	string	Percorso verso l'immagine che contiene emoji
  Mask	string	Percorso verso la maschera binaria corrispondente all'immagine

• test.csv: contiene esempi per la predizione

  Colonna	Tipo	Descrizione
  SampleID	string	Identificatore unico
  Path	string	Percorso verso l'immagine che contiene emoji

⚙️ Metrica utilizzata per la valutazione

La metrica utilizzata per questo problema è:

• IoU (Intersection over Union): per ogni immagine, IoU calcolato tra la maschera predetta e la maschera ground-truth.

Il punteggio totale si calcola come media dei valori per tutte le immagini del test.

Assegnazione del punteggio

1. Si calcola IoU (Intersection over Union) per ogni coppia maschera reale – maschera predetta.
2. Si fa la media IoU su tutti i campioni (mean IoU).
3. Si trasforma la media in punteggio così:

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

📨 Formato del file di sottomissione

Il file di sottomissione deve essere un archivio che contiene una directory con le maschere di segmentazione predette e un file csv denominato submission.csv che contiene una mappatura tra SampleID e percorso verso la maschera predetta (il nome della colonna deve essere PredictedMask) per ogni immagine del test:

🔹 Esempio di submission.csv

🖼️ Esempi

Immagine originale	Maschera