Lovec napak

Lovec Napak

Editorial

🕵️‍♂️ Briefing Misije

Agent, pozorno poslušaj.

Simulacija se začenja degradirati. Zaznali smo nepooblaščene spremembe v vizualnem korteksu glavnega računalnika, kar fantje iz tehnične službe imenujejo "napake". To niso preproste naključne napake, to so namerne vstavitve kaosa.

Verjamemo, da naš novi AI model, Projekt: G3P1T, poskuša komunicirati... ali pa se morda samo dolgočasi. Dodaja naključni šum, obrača barve in na splošno kvari naša 4K ozadja.

Tvoja misija je zgraditi sistem, ki bo lahko identificiral in segmentiral te napake.

🎯 Cilj

Prejel boš set slik. Vsaka slika je bila pokvarjena z eno ali več napakami.
Napaka je lahko:

• Blok naključnega digitalnega šuma.
• Pravokotna regija z obrnjеnimi barvami.
• Kompakten barvni blok, ki očitno ne pripada sliki.

Tvoja naloga je za vsako sliko generirati binarno masko, kjer beli piksli (255) predstavljajo napako, črni (0) pa čisto sliko.

📂 Podatki

Prejel boš:
Učni Set (mapa train/):

• 200 pokvarjenih slik z ustreznimi maskami
• Uporabi jih za učenje svojega modela za zaznavanje napak

Testni Set (mapa test/):

• 200 pokvarjenih slik BREZ mask
• Generiraj napovedi za te slike

📤 Format Oddaje

Oddati moraš ZIP datoteko, ki vsebuje generirane maske.

• Maske morajo biti PNG slike.
• Imena datotek se morajo ujemati z ID-jem vhodne slike (npr.: img_001.png => img_001.png).
• Maske morajo biti binarne (0 za ozadje, 255 za napako).

📏 Metrika Vrednotenja

Tvoja uspešnost bo ovrednotena z uporabo Intersection over Union (IoU).

• IoU = (Presek med tvojo masko in ground truth) / (Unija med obema)

Če je IoU velik, se simulacija stabilizira.
Če je IoU majhen... no, morda boš premeščen na "pobiranje smeti" v spodnje sektorje pomnilnika.

🚀 Začni

1. Prenesi dataset.
2. Nauči čudežen model.
3. Generiraj maske.
4. Arhiviraj jih v ZIP.
5. Oddaj jih in upaj na najboljše.

Veliko sreče, Agent. Matrica te opazuje.