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	Никита Скворцов	31.10.2019 20:12	ITea	Москва	ГБОУ школа №1223
0.997	Андрей Нечесов	30.10.2019 14:40	Радиус-вектор	Москва	ГБОУ Школа №491 "Марьино"
0.993	Виктор Астафьев	31.10.2019 18:06	Robodriver	Москва	Международная школа завтрашнего дня (IST)
0.983	Dmitry Melnik	31.10.2019 11:46		Москва	Школа №1540
0.98	Коля Белугин	30.10.2019 14:37	Киберкотлетки	Москва	ГБОУ школа 2036
0.98	Илья Скороваров	30.10.2019 14:34	Киберкотлетки	Москва	ГБОУ Школа №2036
0.98	Катя Тихонова	30.10.2019 15:03	Киберкотлетки	Москва	ГБОУ школа №2036
0.97	Михаил Ким	29.10.2019 21:00	Траливали21	Москва	КАИТ №20
0.966	Леван Джелетян	30.10.2019 15:07	Киберкотлетки	Люберцы	ГБОУ Школа 2036
0.966	Женя Анзин	30.10.2019 08:59		Москва	ГБОУ Школа №1018
0.966	Artem Kuteynikov	28.10.2019 12:52	Solaris	Moscow	ГБОУ Школа №2083
0.963	Илья Боронин	30.10.2019 06:57		Москва	ГБОУ школа 1532
0.963	Шакир Бикметов	30.10.2019 13:31	Apachee	Москва	ГБОУ Школа №2036
0.963	Ярослав Дробот	29.10.2019 09:52	Киберкотлетки	Москва	ГБОУ школа №2036
0.923	Борис Кудряшов	30.10.2019 06:15	Траливали21	Москва	Колледж автоматизации и информационных технологий № 20
0.923	Алексей Белов	31.10.2019 12:53	Траливали21	Москва	КАИТ20
0.923	Данила Степанов	30.10.2019 16:56	Трали вали	Москва	КАИТ 20
0.03	Василий Белкин	24.10.2019 08:20		Москва

К соревнованиям