Підбір піктограм туалету

Зіставлення піктограм туалетів

Опис задачі

Це завдання зосереджується на навчанні моделі для вивчення зв'язку між піктограмами чоловічих і жіночих туалетів з одного і того ж туалету. На основі розмічених навчальних даних ви повинні навчити модель зіставлення, яка, маючи запитувальне зображення, знаходить його аналог протилежної статі (наприклад, зіставляє чоловічу піктограму з обрізаного зображення з жіночим аналогом з оригінального зображення), з обмеженням, що обидві піктограми походять з одного і того ж туалету.

Наприклад, для запитувального зображення (тобто чоловічої піктограми на обрізаному зображенні), представленого нижче на Рис. 1, його відповідний аналог представлений на Рис. 2 (тобто жіноча піктограма на оригінальному зображенні, яка з того ж туалету).

Рисунок 1	Рисунок 2

Набір даних

Навчальний набір

Цей набір даних може бути використаний для навчання моделі. Структура директорій:

1train/ 2├── crop/ # Обрізані піктограми 3│ ├── female/ 1.png, 2.png, ... 4│ └── male/ 5└── orig/ # Оригінальні піктограми6    ├── female/7    └── male/

Кожна підпапка містить піктограми з назвами від 1.png до 82.png, де число вказує ID туалету. Для кожного туалету є чотири зображення (зауважте, що чотири зображення з одного туалету матимуть однаковий унікальний ID у всіх чотирьох підпапках):

• crop/female/i.png → Обрізана жіноча піктограма
• crop/male/i.png → Обрізана чоловіча піктограма
• orig/female/i.png → Оригінальна жіноча піктограма
• orig/male/i.png → Оригінальна чоловіча піктограма

Валідаційний та тестовий набори

Валідаційний набір (validation_set) та тестовий набір (test_set) містять дві підпапки з наступною структурою:

1validation_set/2├── query/ # Обрізані піктограми, які будуть зіставлятися 3└── gallery/ # Кандидати оригінальних піктограм

1test_set/ 2├── query/ # Обрізані піктограми, які будуть зіставлятися 3└── gallery/ # Кандидати оригінальних піктограм

де

• query/ - обрізані піктограми, які потрібно зіставити;
• gallery/ - набір оригінальних піктограм для зіставлення;
• Усі зображення у форматі .png.
• Валідаційний набір має 10 зображень у папці query/, а тестовий набір має 30 зображень у своїй папці query/.

Зауваження:

• На відміну від запропонованого розподілу для навчального набору, імена файлів у query/ та gallery/ пронумеровані та перемішані незалежно, що означає, що зіставлення не може базуватися на ID.
• Для кожної обрізаної піктограми з query/ існує рівно два оригінали в gallery/ (чоловік, жінка з одного туалету), що означає, що len(gallery)=2*len(query).

Завдання

Для кожного зображення з папки query/, передбачте зображення з gallery/, яке:

• Є протилежної статі та походить з того ж туалету.

Це зіставлення має бути виконано використовуючи навчену модель.

Файл подання

Вам потрібно згенерувати файл submission.csv, який містить наступне:

1image_path, label2dataset/validation_set/query/1.png, 73dataset/test_set/query/1.png, 24...

де:

• image_path - це шлях до зображення з query/, для якого робиться передбачення (береться з test.csv)
• label - це номер, який міститься в назві зображення з gallery/, яке зіставляється з тим, що з query.

Оцінка

Метрикою оцінювання буде точність класифікації, визначена як частка правильно передбачених зразків від загальної кількості оцінених зразків.

Фінальний бал обчислюється на основі отриманої точності, використовуючи наступні правила:

• accuracy ≥ 0.9 → 100 балів
• accuracy ≤ 0.5 → 0 балів
• Для проміжних значень нараховується пропорційний бал між 0 та 100.