Хакатон по компьютерному зрению на примере базовой задачи беспилотного автомобиля

Хакатон проводится в 3 этапа:
научись, попробоуй, соревнуйся!

Мы приглашаем участников со всей России научиться программированию алгоритмов компьютерного зрения с использованием библиотек OpenCV на языке Python. Хакатон образовательный, в нём может принять участие любой желающий, даже не имеющий опыта работы с КЗ и OpenCV. Мероприятие состоит из 3-х этапов:

Обучение

Мы сняли пошаговый видео-курс длительность всего 1 час (см. ниже). Любой желающий может его посмотреть. Если вы уже разбираетесь в теме, можете пропустить этот этап.

Отбор

После просмотра видео-курса мы предлагаем написать программу на точность распознавания изображения. По результатам будут отобраны 10 лучших комнад в каждой номинации.

Финал

Финал состоится в рамках крупнейшей Московской образовательной выставки – Город Образования 31 августа. Там уже определим 3 лушие команды в каждой номинайии.

3 номинации

Школьники

Команды 1-3 человека

Студенты

Команды 1-2 человека

Учителя

Индивидуальный зачёт

Этап 1. Обучение

Видео-курс о программиовании алгоритмов компьютерного зрения на языке Pyhon с использованием библиотек OpenCV.

Введение

Детектирование

Распознавание

Этап 2. Программирование и отбор

Задача: Создание классификатора изображений дорожных знаков

Дано: набор изображений дорожных знаков, состоящий из 8 классов, а также класс, не содержащий изображений дорожных знаков.

Задание: обработать изображения, извлечь параметры, которые помогут различить разные типы знаков и использовать эти параметры для классификации изображений на 8 классов, а также убрать из классификации изображения, не содержащие дорожные знаки.

Примеры избражений:

Задачи будут разбиты на следующие разделы:

Загрузить изображения дорожных знаков и визуализировать их.

Входные изображения и выходные метки должны быть стандартизированы. Вы можете анализировать все входные изображения с использованием одного и того же классификатора, и вы знаете, какой результат ожидать, когда классифицируете новое изображение.

Извлечение параметров изображения, которые помогут различать и классифицировать эти изображения.

Написание функции, которая использует ваши функции для классификации любого дорожного знака. Эта функция принимает изображение и выводит метку класса. Вам будет предоставлен код для определения точности вашей модели классификации.

Код для определения точности модели позволит вам оценить свою модель на данных для проверки.

Приступаем к работе

Скачайте архив.

Некоторый код уже предоставлен в качестве шаблона, но для успешного выполнения задания необходимо написать дополнительный. Любой код, который необходимо добавить, помечен как «TODO:» в заголовке функции. Остальные фрагменты кода изменению не подлежат!

В папке с заданием находятся вспомогательные файлы и инструкции. Для каждой функции написаны комментарии, позволяющие определить её назначение, входные параметры и форматы выходных данных, являющиеся результатом работы функции. Внимательно ознакомьтесь с комментариями к функциям!

Для работы с проектом необходимо установить python 3 версии, opencv 3 версии, а также библиотеку numpy. Если Вы используете дополнительные библиотеки, сообщите об этом при сдаче кода для проверки.

Проверка кода осуществляется на валидационных данных – изображениях, не включенные в тренировочную и тестовую выборки. Основной метрикой оценки является точность работы классификатора. При одинаковой точности оценивается также скорость работы классификатора.

Выполненые работы необходимо отправить по адресу get@newgen.education и указать в письме вашу номинацию: школьник, студент, учитель.

Одна команда отправляет одну работу!

Срок сдачи работ – 15 августа 2018

До этой даты можно неограниченное количество раз улучшать свой алгоритм и отправлять обновлённые версии.

Этап 3. Финал

10 лучших команд по итогам отборочного этапа приглашаются на финал, который состоится 31 августа в рамках выставки "Город Образования". Победители будут уведомлены по электронной почте.