სირთულე
თქვენი საუკეთესო შედეგი
არ არის
საიდუმლო ციფრულ ბიბლიოთეკაში, რომელიც ცნობილია როგორც
დახატული სიტყვების არქივი, ინახება ათასობით სურათი ხელით დაწერილი სიტყვებით, თითოეული თან ახლავს პატარა ილუსტრაცია, რომელიც მის მნიშვნელობას ასახავს.

სამწუხაროდ, იდუმალმა ხარვეზმა დააზიანა ინდექსაციის სისტემა და მრავალი სურათის ეტიკეტი დაიკარგა.
ახლა მხოლოდ კომპიუტერული ხედვის ოსტატს შეუძლია აღადგინოს ამ სურათების წესრიგი და მნიშვნელობა.
თითოეული სურათი შეიცავს:
სტილი რეალისტურია, სუფთა და მკაფიო, მაგრამ სიტყვა უნდა ამოიცნოს მხოლოდ სურათიდან.
თქვენს ხელთ არის შემდეგი ფაილები:
train.csvშეიცავს ეტიკეტირებულ მაგალითებს ტრენინგისთვის:
image_path – სურათისკენ მიმავალი გზაlabel – სურათში ხელით დაწერილი სიტყვაtrain.csv-დან მდებარეობს output_dataset/train/ დირექტორიაში.test.csvშეიცავს:
image_path – სურათისკენ მიმავალი გზა⚠️ label სვეტი არ არსებობს და უნდა იყოს პროგნოზირებული თქვენი მოდელის მიერ.
ყველა სურათი test.csv-დან მდებარეობს output_dataset/test/ დირექტორიაში.
თქვენი მოდელი უნდა ამოიცნოს ზუსტად ერთ-ერთი შემდეგი 20 შესაძლო სიტყვიდან:
apple, banana, cat, dog, elephant,flower, house, moon, sun, tree,violin, lion, kite, boat, star,fish, pencil, cake, book, umbrellaთითოეული სურათი მიეკუთვნება ერთ კლასს.
ააშენეთ სურათების კლასიფიკაციის მოდელი, რომელიც test.csv-ში თითოეული სურათისთვის სწორად პროგნოზირებს ხელით დაწერილ სიტყვას.
submission.csv ფაილის ფორმატიბოლოს, თქვენ შექმნით submission.csv ფაილს შემდეგი სტრუქტურით:
image_path,labeloutput_dataset/test/000001.png,bananaoutput_dataset/test/000002.png,catoutput_dataset/test/000003.png,treeმოდელის შესრულება შეფასდება სიზუსტის გამოყენებით:
accuracy = (სწორი_პროგნოზების_რაოდენობა / მთლიანი_პროგნოზების_რაოდენობა)თითოეული ასო მნიშვნელოვანია. თითოეული მელნის ხაზი მალავს მნიშვნელობას.
დაამტკიცეთ, რომ თქვენს მოდელს შეუძლია ნახოს, გაიგოს და ამოიცნოს სიტყვები სურათებიდან და აღადგინოს წესრიგი დახატული სიტყვების არქივში! ✨📚