AI HUB 에 공개되어있는 생활폐기물 데이터 중 37종의 대형 폐기물을 선별해 모든 jpg 이미지를 너비 400 pixel, 높이 300 pixel 로 resize 하고 bounding box 정보가 담긴 json 파일에서 bounding box 와 클래스 정보만 추출해 numpy 파일에 담았습니다.
AI HUB 에서 Training 용으로 공개된 데이터 중 10% 랜덤하게 뽑아 Test 셋으로 분류했습니다. 참가자들은 해당 Test 셋의 이미지에서 추출한 bounding box 와 class 정보를 제출해야합니다.
400 x 300 x 3 (RGB 채널) 크기의 이미지입니다.
각 이미지 안에는 최소 한 개의 폐기물이 들어있습니다.
각 채널의 값은 0~255 이고 baseline 에서는 training 을 위해 각 이미지를 normalize 를 했습니다.
각 bdouning box 는 [class, cx, cy, w, h] 형태의 annotation 정보를 가집니다.
class 는 0~37 사이의 값인 생활 폐기물 종류입니다.
cx, cy 는 bounding box 의 중심 픽셀 좌표입니다.
w, h 는 각각 bounding box 의 너비와 높이 입니다.
참가자는 Annotation 정보가 담긴 파일과 동일한 형태의 npy 파일을 결과물로 제출해야 합니다.
하나의 이미지에는 여러개의 폐기물 정보가 들어있을 수 있습니다.
하나의 이미지에 대해 제출한 답안의 오브젝트 갯수보다 정답의 오브젝트 갯수가 많은 경우 class 이름 순, bounding box 의 중심점 좌표값 기준으로 sorting 해서 일치하는 box 에 대해서만 정답으로 계산합니다.
각 폐기물 클래스에 대한 이미지 갯수가 다르기 때문에 preprocessing_summary.csv 파일을 참고해주시기 바랍니다.
400x300x3 폐기물 이미지 99,276개가 순서대로 들어있는 파일입니다.
총 33.2 GB 로 파일은 아래 링크의 클라우드를 통해 제공됩니다.
다운로드 링크 *아직 제공 안됨
99,276 개의 이미지에 대한 annotation 정보가 들어있는 파일입니다.
하나의 이미지에 대해 여러개의 annotation 정보가 들어있을 수 있습니다.
Training 시에 사용할 수 있고, 제공된 데이터를 증강(augment)시켜 사용하셔도 됩니다.
400x300x3 폐기물 이미지 11,014개가 순서대로 들어있는 파일입니다.
test_input 에 대한 정답 annotation 은 제공되지 않습니다.
Training 시에는 이 파일에 들어있는 정보는 사용하시면 안 됩니다.
대회 이후에는 공개되지 않은 데이터셋을 이용해 결과를 한 번 더 검증합니다.
총 3.69 GB 로 파일은 아래 링크의 클라우드를 통해 제공됩니다.
다운로드 링크 *아직 제공 안됨
스코어 0.0 이 나오도록 만들어진 샘플 답안입니다.
해당 샘플과 동일한 형태로 답안을 제출하시면 됩니다.
test_input.npy에 들어있는 이미지를 처리한 결과를 차례대로 저장해야합니다.
각 class label 이 어떤 폐기물 종류를 의미하는지가 정리되어 있습니다.
데이터를 가공한 후 상위 카테고리 별, 클래스 별, test/training 데이터셋 에 대해 각각의 이미지 갯수가 요약되어 있는 파일입니다.
