Glitch-jager

De Glitch-Jager

Editorial

🕵️‍♂️ Missie Briefing

Agent, luister goed.

De simulatie begint te degraderen. We hebben ongeautoriseerde wijzigingen gedetecteerd in de visuele cortex van de mainframe, wat de technici "glitches" noemen. Dit zijn geen simpele willekeurige fouten, het zijn opzettelijke invoegingen van chaos.

We geloven dat ons nieuwe AI-model, Project: G3P1T, probeert te communiceren... of misschien verveelt het zich gewoon. Het voegt willekeurige ruis toe, inverteert kleuren en verpest over het algemeen onze 4K-achtergronden.

Jouw missie is om een systeem te bouwen dat deze glitches kan identificeren en segmenteren.

🎯 Het Doel

Je ontvangt een set afbeeldingen. Elke afbeelding is gecorrumpeerd met een of meer glitches.
Een glitch kan zijn:

• Een blok willekeurige digitale ruis.
• Een rechthoekige regio met geïnverteerde kleuren.
• Een compact kleurblok dat duidelijk niet bij de afbeelding hoort.

Jouw taak is om voor elke afbeelding een binair masker te genereren, waarin witte pixels (255) de glitch vertegenwoordigen en zwarte pixels (0) de schone afbeelding.

📂 De Data

Je ontvangt:
Trainingsset (map train/):

• 200 gecorrumpeerde afbeeldingen met bijbehorende maskers
• Gebruik deze om je glitch-detectiemodel te trainen

Testset (map test/):

• 200 gecorrumpeerde afbeeldingen ZONDER maskers
• Genereer voorspellingen voor deze afbeeldingen

📤 Inleverformaat

Je moet een ZIP-bestand inleveren dat de gegenereerde maskers bevat.

• Maskers moeten PNG-afbeeldingen zijn.
• Bestandsnamen moeten overeenkomen met het ID van de invoer-afbeelding (bijv.: img_001.png => img_001.png).
• Maskers moeten binair zijn (0 voor achtergrond, 255 voor glitch).

📏 Evaluatiemetriek

Je prestatie wordt geëvalueerd met Intersection over Union (IoU).

• IoU = (Intersectie tussen jouw masker en ground truth) / (Unie van beide)

Als de IoU hoog is, stabiliseert de simulatie.
Als de IoU laag is... nou ja, je zou kunnen worden overgeplaatst naar "afvalinzameling" in de lagere sectoren van het geheugen.

🚀 Begin

1. Download de dataset.
2. Train een wonderbaarlijk model.
3. Genereer de maskers.
4. Archiveer ze in een ZIP.
5. Lever ze in en hoop op het beste.

Veel succes, Agent. De matrix houdt je in de gaten.