Glitch猎人

故障猎手

题解

🕵️‍♂️ 任务简报

特工，请仔细听好。

模拟系统开始出现退化。我们在主机视觉皮层中检测到未经授权的修改，技术部门称之为"故障"。这些不是简单的随机错误，而是故意插入的混乱。

我们相信我们的新AI模型，项目：G3P1T，正在尝试沟通...或者可能只是感到无聊。它添加随机噪声，反转颜色，总的来说，破坏我们的4K背景。

你的任务是构建一个能够识别和分割这些故障的系统。

🎯 目标

你将收到一组图像。每张图像都被一个或多个故障损坏。
故障可能是：

• 随机数字噪声块。
• 颜色反转的矩形区域。
• 明显不属于图像的紧密颜色块。

你的任务是为每张图像生成一个二值掩码，其中白色像素（255）代表故障，黑色像素（0）代表干净的图像。

📂 数据

你将收到：
训练集（train/文件夹）：

• 200张损坏的图像及其对应的掩码
• 使用这些来训练你的故障检测模型

测试集（test/文件夹）：

• 200张损坏的图像，没有掩码
• 为这些图像生成预测

📤 提交格式

你必须提交一个包含生成掩码的ZIP文件。

• 掩码必须是PNG图像。
• 文件名必须与输入图像的ID对应（例如：img_001.png => img_001.png）。
• 掩码必须是二值的（0表示背景，255表示故障）。

📏 评估指标

你的性能将使用**交并比（IoU）**进行评估。

• IoU = （你的掩码与真实值的交集）/（两者的并集）

如果IoU很高，模拟系统就会稳定。
如果IoU很低...嗯，你可能会被调到内存下层区域的"垃圾收集"工作。

🚀 开始

1. 下载数据集。
2. 训练一个神奇的模型。
3. 生成掩码。
4. 将它们打包成ZIP文件。
5. 提交并祈求最好的结果。

祝你好运，特工。矩阵在注视着你。