Задача

Распознавание сигналов светофора

В этом задании вы сможете использовать свои знания по компьютерному зрению для создания классификатора изображений светофора! Вам будут даны изображения светофора, на каждом из которых горит только один из трех сигналов: красный, желтый или зеленый.

Система классификации

Мы подготовили для вас программу на языке Python, в которой вы будете предварительно обрабатывать изображения, выделять особенности, которые помогут находить отличия в видах изображения, использовать эти особенности, чтобы разделить изображения по трём категориям: светофор с красным, желтым или зелёным сигналом.

Этапы работы:

0.1. Посмотрите видео-курс

0.2. Скачайте программу>>

0.3. Посмотрите короткое видео по работе с площадкой>>

1. Загрузка и визуализация данных

В любой задаче по классификации сначала необходимо ознакомиться с данными: Вам нужно будет загрузить изображения сигналов светофоров и визуализировать их!

2. Предварительная обработка

Входные изображения и выходные метки (labels) должны быть стандартизированы:, все входные данные должны быть одного типа и одного размера, а выходные данные должны быть числовой меткой. Так вы сможете проанализировать все входные изображения одним и тем же способом и предугадать, чего следует ожидать для нового изображения.

3. Выделение особенностей

Теперь необходимо выделить особенности в каждом изображении и классифицировать их. Поле для творчества безгранично: объекты могут быть как одномерными массивами (векторами), так и отдельными значениями, которые дают некую информацию об изображении, чтобы помочь вам классифицировать его как красный, желтый или зеленый сигнал светофора.

4. Ошибки классификации и визуализации

Наконец, вы создали функцию, которая использует найденные вами особенности для классификации любого сигнала светофора. Задача функции будет заключаться в том, чтобы получать на вход изображение и выводить метку (вектор из 3 значений). Вы можете сравнить прогнозируемую метку с истинной меткой и определить точность классифицируемой вами модели.

5. Оцените свою модель

Чтобы ваша работа была засчитана, классификатор должен иметь точность >70%. Вероятнее всего, вам нужно будет повысить точность вашего классификатора путем изменения имеющихся особенностей изображения или добавления новых. Чем выше точность, тем больше баллов вы получаете за решение.

6. Отправьте файл eval.py с написанным Вами классификатором на проверку

Очки	Участник	Дата	Команда	Город	Учебное заведение
1.0	Максим Романовский	20.05.2020 10:35	F_T_L
0.997	Александр Гоптарь	31.05.2020 17:40	КарMLка	Карасук	МБОУ технический лицей 176
0.997	Никита Гордейчук	12.05.2020 11:54	SOZIDATORS	Дмитров	МОУ "Дмитровская гимназия "Логос"
0.997	Андрей Нечесов	07.05.2020 12:28	Радиус-вектор	Москва	ГБОУ Школа №491 "Марьино"
0.993	Иван Полянин	20.05.2020 14:43	F_T_L	Минск	Гимназия №1
0.993	Виктор Астафьев	28.05.2020 13:23	Robodriver	Москва	Международная школа завтрашнего дня (IST)
0.993	Алексей Корнелюк	07.05.2020 15:12	SOZIDATORS	Клинцы	Школа №9
0.99	Алексей Воробьев	29.04.2020 18:35		Сочи
0.983	Александр Кравченко	19.05.2020 06:10		Москва	ГАОУ Школа №548
0.03	Алексей Чертков	17.03.2020 11:56	ЗЛые лоси	Москва	МГУ

К соревнованиям