위성영상을 활용한 선박 탐지 AI 경진대회

※중요:  추론이 장시간 소요되는 경우 대체로 GPU 메모리 사용량이 2GB 미만으로 확인되고 있습니다. 
복수의 이미지를 로드해서 처리할 수 있도록 데이터로더와 batch 크기를 조정하셔서 보다 빠르게 결과를 받아보시는 것을 권장합니다.

※ 본 대회는 추론 자동화 방식으로 진행되는 대회로 평가 데이터셋을 공개하지 않고 진행됩니다. 

• 추론 자동화 대회란 참가자분들께서 개발한 모델과 실행 코드를 지정된 규칙에 따라 제출하면 AIFactory에서 자동으로 평가 데이터를 적용하여 채점하는 방식입니다.

※ 보안상 모델이나 가중치를 추론 환경에서 원격 다운로드하는 형태로는 평가가 되지 않습니다. 필요 라이브러리 설치 외에는 모든 네트워크가 차단되므로 사전에 필요한 코드와 가중치를 다 저장한 상태에서 제출하시기 바랍니다.

※ 00시 기준 1일 5회 제출 가능하며 이전 정상제출 시점 기준으로 1시간 지난 시점부터 재 제출이 가능합니다. (제출횟수 8회로 변경 / 재제출 제한시간: 30분으로 변경 - 10월15일 당일부터 적용)

1. 평가 데이터

• 평가데이터셋: 해상도 10980 x 10980의 .png 파일 324개

• 이미지 해상도: 1px마다 가로, 세로 10m

• 평가 데이터 경로: “/workspace/dataset”

• 참가자의 모델 추론 결과는 image_name, cx, cy, width, height, angle 형식의 sumbission.csv로 저장할 것

• angle 값은 수직 0도 기준 시계방향(CW) 도(º)값입니다. (0~360)

• 객체 크기가 작더라도 길이가 뚜렷하거나 항적이 있는 등 선박으로 식별할 수 있는 대상은 최대한 레이블링 되어있습니다.

예)

• 동일한 이미지에서 여러 오브젝트가 발견되는 경우 image_name을 행마다 중복해서 작성해주시면 되겠습니다.

• 오브젝트가 없는 이미지는 결과에 추가하지 않습니다.
   

❗평가 데이터 이미지 불러오기 코드

• 평가 데이터는 대형 이미지라 일반적인 방법으로는 읽기에 실패합니다. 아래와 같이 ImageFile.LOAD_TRUNCATED_IMAGES = True 또는 Image.MAX_IMAGE_PIXELS = None 을 설정하고 PIL로 읽어들여야 정상적으로 로드됩니다.

import glob
from PIL import Image, ImageFile
ImageFile.LOAD_TRUNCATED_IMAGES = True # 또는 Image.MAX_IMAGE_PIXELS = None
import numpy as np

test_img_path = "/workspace/dataset/"

for path in glob.glob(f'{test_img_path}/**/*.png', recursive=True):
    with Image.open(path) as image:
        image_np = np.array(image, dtype=np.uint8)

    height, width, _ = image_np.shape
    print(height, width)
    break

• 출력결과

10980 10980

2. 추론 환경

• AIFactory 추론 환경은 다음과 같습니다 (향후 변경 될 수 있습니다):

  • GPU: Tesla L4 (VRAM 24GB)

  • CPU: 4 Core

  • RAM: 16GB

  • 사용자 모델 경로 스토리지 크기: 16GB

  • 제출 건당 최대 추론 제한시간 = 6시간

  • 1일 8회 제출, 재제출 30분 
     

• 주요 라이브러리

  • Python: 3.10

  • CUDA: 12.2

  • PyTorch: 2.4.1
     

• 기본 설치 라이브러리 목록

torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu121 # 2.4.1 버전
albumentations
transformers
scikit-learn
numpy
Cython
pycocotools
pandas
jupyter
notebook
matplotlib
seaborn
plotly
Pillow
opencv-python
scikit-image
shapely

3. 제출 방법

참가자 분들께서는 다음 제출 규칙에 따라서 개발한 모델을 제출해 주시기바랍니다:

1. 제출할 모델의 최상위 경로 내 아래 다운로드 란에서 제공되는 task.ipynb를 위치시킵니다.
   구성 예)   📁 / 
                   ├ 📄task.ipynb (제출용 메인 코드)
                   ├ 📁model
                   ┃  ├ 📄source.py  
                   ┃  └  📄etc …
                   ├ 📁weights
                   ┃  └  📊weight.pt
                   └ 📈submission.csv (추론 결과로 생성시킬 것)
    

2. 위에서 AIFactory 추론 환경에 설치된 패키지 항목을 참고하신 후 필요한 패키지는 task.ipynb에 설치 명령을 넣어주세요.
   

   

   • !pip  !mim  !apt  !apt-get  !git clone  !huggingface-cli 명령에 한해 실행 가능

   • 기타 !명령, %명령 등은 실행 불가능합니다.
      

3. task.ipynb 파일의 안내에 따라 모델의 추론 코드를 해당 ipynb 파일에 작성합니다.
   

   

   • 파일 이름은 반드시 task.ipynb로 유지되어야 합니다.

   • 파일에 안내된 평가 데이터 경로(“/workspace/dataset”)를 모델에 입력하여 경로 내에 있는 이미지를 읽어들여서 추론할 수 있도록 구성합니다.
     예) test_img_path = "/workspace/dataset/"

   • 현재 작업중인 경로에서 모델 추론에 불필요한 파일이 제출되지 않도록 주의해주세요.

     • git 캐쉬 데이터, 모델 중간 저장 weight, 학습 사용 샘플 데이터 등

   • 모든 경로는 현재 작업중인 스크립트 파일(task.ipynb)을 기준으로 **상대 경로**로 설정해주세요. (예: ./model  ./weights  ./source 등)

   • 추론을 수행하는데 필요한 코드, 가중치 등은 사전에 로컬에 저장하신 상태로 제출하셔야 합니다. (네트워크차단)

   • 참가자의 모델 추론 결과는 image_name, cx, cy, width, height, angle 형식의 sumbission.csv로 저장해야 합니다.

     • 동일한 이미지에서 여러 오브젝트가 발견되는 경우 image_name을 행마다 중복해서 작성해주시면 되겠습니다.

     • 오브젝트가 없는 이미지는 결과에 추가하지 않습니다.
        

4. 제출 시에는 task.ipynb를 반드시 저장하시고 aif.submit()이 포함된 맨 마지막 제출 셀만 실행하면 됩니다.