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]https://avt.global/cv#trafficlights)

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
0.993	GladiumLevem	12.12.2019 12:39	F_T_L	Минск	Гимназия №1
0.993	maximmasterr	18.12.2019 15:27	F_T_L
0.993	BnHll	07.01.2020 16:28	Ḍ̆ͥ̐̀̏ͫE̶ͥ͂Ă҉͇͈͍͇̬̟Ṫ̳̲͉̙̖̃ͫ͌͛̓Ḩ͍̭̬͎͖̔̍̌ͥͥ&̘̥̉ͮ͒͜L͇̳͇̍̈́ͫͦI̦F̪̺̼̿E̼̤̓͢	Новосибирск	МБОУ ЛИТ
0.993	Егор Батаргин	28.11.2019 19:09	Транс МЕМ	Мурманск	МБОУ "Мурманский политехнический лицей"
0.993	Дарья Денисова	25.11.2019 22:09	Транс МЕМ	Москва	ГБОУ "Бауманская инженерная школа № 1580"
0.987	Bvb2019	09.12.2019 22:00	ProstoUAV)	Архангельск	Гимназия №3
0.973	Ramaaz	05.01.2020 17:48
0.973	DanilDubyaga	06.01.2020 12:09
0.973	ArtemSBulgakov	01.12.2019 09:23	Волновая интерференция
0.973	Артём Булгаков	29.11.2019 20:01		Волгодонск
0.963	Иван Полянин	12.12.2019 11:30	F_T_L	Минск	Гимназия №1
0.963	Nikilokser	25.12.2019 15:23	Nikilokser's ATS	Томск	Школа №38
0.963	Roman	18.12.2019 12:26
0.963	Илья Зарубин (от "Кванториум-63 регион")	25.11.2019 17:37		Тольятти
0.815	phoenixxx	17.12.2019 12:47	svvy

К соревнованиям