추적 영상 인식 알고리즘 개발

※ 기존 데이터셋 설명란에 기재된 train_label(*.txt)에 대한 정보가 변경되었습니다. 확인 부탁드립니다. (XMin YMin, XMax YMax -> XMin YMin Width Height)

데이터 개요

• train_img와 train_label로 모델을 학습시킨 후, 해당 모델에 test_img을 입력하여, 추론된 라벨(csv)의 값을 제출하면 됩니다.

데이터셋 파일구조

• Dataset (Example)
  

  

  • train_img

    • 학습용 데이터로 18,394장의 역사 내 이미지(jpg)

    • UHD (가로: 3840, 세로: 2160) 해상도

  • train_label

    • 18,394개의 이미지에 대한 객체 어노테이션 정보(txt)

    • 학습 이미지 파일명과 매칭되며, 해당 이미지에 대한 객체 위치 및 클래스 정보를 포함

  • test_img

    • 시험용 데이터로 6,639장의 역사 내 이미지(jpg)

    • UHD (가로: 3840, 세로: 2160) 해상도

train_label 설명

• 이미지 파일명과 매칭되어 해당 이미지에 대한 객체 위치와 클래스 정보를 포함합니다.

• line은 단일 객체에 대한 정보를 나타내며, 공백으로 구분되어 LabelID XMin YMin Width Height 대한 값을 나타냅니다.

• 여러 line이 있을경우 다수 객체에 대한 정보를 나타냅니다.

• LabelID는 0 ~ 5사이의 정수형태로 각각의 클래스 이름은 아래와 같습니다.

  • 0 : "person"

  • 1 : "stroller"

  • 2 : "blinder"

  • 3 : "wheelchair"

  • 4 : "child"

  • 5 : "merchant"

제출 파일 형식

제출 csv 파일 필드 설명

• ImageID : 이미지 파일명

• LabelName : ImageID 파일에서 검출된 객체 레이블 이름('person','stroller','blinder','wheelchair','child','merchant')

• Conf : 검출된 객체의 Confidence score(0~1 사이의 값)

• XMin :BoundingBox 좌상단 x 좌표(0~1 사이의 값)

• YMin : BoundingBox 좌상단 y 좌표(0~1 사이의 값)

• XMax : BoundingBox 우하단 x 좌표(0~1 사이의 값)

• YMax : BoundingBox 우하단 y 좌표(0~1 사이의 값)

주의 사항

• 제출 파일의 Bounding Box(XMin, YMin, XMax, YMax)는 상대좌표로 0~1 사이의 값으로 기록하여 제출해 주셔야합니다.

• 제공해드린 test_img는 전부 (가로x세로)=(3840x2160)의 해상도를 갖고있으며, 검출된 BoundingBox의 (XMin / 3840), (YMin / 2160), (XMax / 3840), (YMax / 2160) 계산을 통해 상대좌표를 얻을 수 있습니다.

• 만악 이미지 크기를 변경했을 경우 변경된 이미지 해상도를 기준으로 상대좌표를 변경하여 제출해 주시면됩니다. (XMin / width), (YMin / height), (XMax / width), (YMax / height)

• 제출 시 Column 이름을 위 예시와 같이 정확히 입력해주셔야 스코어 산출이 가능합니다.

• 학습 이미지 : train_img.zip

• 학습 레이블 : train_label.zip

• 평가 이미지 : test_img.zip

• 제출 파일 샘플 : output_sample.csv