Trudność
Twój najlepszy wynik
Nie dotyczy
W sercu tajnego instytutu badawczego znajduje się Archiwum tysiąca kamer, podziemny labirynt z pomieszczeniami monitorowanymi non-stop przez inteligentne kamery. Każda kamera rejestruje obiekty, meble, urządzenia elektroniczne lub symbole tajemniczych eksperymentów.
Z nieznanych powodów część danych z archiwum utraciła etykiety numeryczne: w zapisach pojawia się pytanie „ile obiektów typu X znajduje się na obrazie?", ale odpowiedź zniknęła. Badacze próbowali ręcznie odtworzyć informacje, ale tysiące obrazów są niemożliwe do przetworzenia bez pomocy.
Tu wkraczasz ty.
Powierzono ci rolę „Analityka wizualnego numerycznego", jedynej osoby uprawnionej do zbudowania modelu multimodalnego zdolnego do spojrzenia na obraz, zrozumienia pytania i udzielenia poprawnej odpowiedzi w postaci jednej liczby.
Tak więc, twoją misją jest wykorzystanie umiejętności w posługiwaniu się algorytmami Sztucznej Inteligencji do przywrócenia archiwum.
Masz dwa główne pliki i folder z obrazami.
train.csv — Dane treningowe| sample_id | question | answer | image_id |
|---|---|---|---|
| TRAIN0000 | how many chairs are there | 6 | image888 |
| TRAIN0001 | how many pictures are on the wall | 2 | image942 |
| TRAIN0002 | how many chairs are there | 10 | image1404 |
test.csv — Dane bez odpowiedzi| sample_id | question | image_id |
|---|---|---|
| TEST0000 | how many drawers are there | image1362 |
| TEST0001 | how many televisions are there | image169 |
| TEST0002 | how many flags are visible | image1326 |
images/image888.pngimage942.pngimage1404.pngimage1362.pngimage169.pngimage1326.pngPlik submission.csv musi mieć następujący format:
| sample_id | answer |
|---|---|
| TEST0000 | 4 |
| TEST0001 | 1 |
| TEST0002 | 3 |
Ponieważ odpowiedzi to liczby, oficjalna ocena używa MAE:
Końcowy wynik jest obliczany na podstawie wyniku MAE uzyskanego przy użyciu następujących zasad: