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	Дмитрий Оконешников	20.04.2020 17:26		Новосибирск	Лицей №22
0.997	Андрей Нечесов	25.04.2020 17:55	Радиус-вектор	Москва	ГБОУ Школа №491 "Марьино"
0.993	Иван Полянин	23.04.2020 14:24	F_T_L	Минск	Гимназия №1
0.983	Егор Поляков	25.04.2020 20:35	Автоботы	Самара	Академия для одаренных детей Наяновой
0.983	Максим Романовский	24.04.2020 17:29	F_T_L
0.983	Gleb Shpuntov	25.04.2020 17:45	Запуск Windows	Moscow	Школа №354 им. Д.М. Карбышева
0.983	Валентин Стриженко	25.04.2020 20:26		Москва	Школа 354
0.983	Никита Шалов	25.04.2020 17:53	Запуск Windows	Moscow	Школа №354 им. Д.М. Карбышева
0.983	Иван Борискин	25.04.2020 19:57	Автоботы	Самара	Кванториум 63
0.983	Игорь Горяинов	25.04.2020 19:44	Автоботы	Самара	Кванториум 63
0.976	Норм 2.0	24.04.2020 11:58	Норм 2.0	Тула	МБОУ ЦО №33
0.7	Тимофей Чихирин	25.04.2020 18:05		Зеленодольск

К соревнованиям