表情符号分割

🏞️ 表情符号分割 🖼️ + 😀

对于这个问题，您需要实现一个能够对包含表情符号的几何背景图像进行语义分割的模型。该模型需要生成一个二值掩码，其中对应表情符号的像素为255（白色），背景为0（黑色）。

---

🔹 数据集

数据集以图像和掩码的形式提供：

• train.csv：包含用于训练模型的示例

  列名	类型	描述
  SampleID	string	每个示例的唯一标识符
  Path	string	包含表情符号的图像路径
  Mask	string	对应图像的二值掩码路径

• test.csv：包含用于预测的示例

  列名	类型	描述
  SampleID	string	唯一标识符
  Path	string	包含表情符号的图像路径

---

⚙️ 评估指标

此问题使用的指标是：

• IoU (Intersection over Union)：对于每张图像，计算预测掩码与真实掩码之间的IoU。

总分数计算为测试集中所有图像的平均值。

分数计算

1. 为每对真实掩码-预测掩码计算IoU（Intersection over Union）。
2. 计算所有样本的IoU平均值（mean IoU）。
3. 将平均值转换为分数：

• mean IoU >= 0.75 → 100分
• 0.50 ≤ mean IoU < 0.75 → 50-99分（按比例）
• 0.25 ≤ mean IoU < 0.50 → 25-49分（按比例）
• mean IoU < 0.25 → 0-24分（按比例）

---

📨 提交文件格式

提交文件必须是一个包含预测分割掩码目录和名为submission.csv的csv文件的压缩包，该csv文件包含测试集中每张图像的SampleID与预测掩码路径之间的映射（列名必须为PredictedMask）：

列名	类型	描述
SampleID	string	测试集中行的唯一标识符
PredictedMask	string	预测掩码图像文件（PNG）的路径

🔹 submission.csv示例

SampleID	PredictedMask
test_0	predictions/test_0_mask.png
test_1	predictions/test_1_mask.png
test_2	predictions/test_2_mask.png

---

🖼️ 示例

原始图像	掩码