Тестовый датасет состоит из раскадрованных видеозаписей визуального контроля качества сварного шва. Каждый из кадров размечен с использованием YoloLabel. В датасете представлены следующие классы дефектов сварных швов:
прилегающие дефекты- брызги, прожоги от дуги, название классаadjдефекты целостности- кратер, шлак, свищ, пора, прожог, включения, название класса -intдефекты геометрии- подрез, непровар, наплыв, чешуйчатость, западание, неравномерность, название класса -geoдефекты постобработки- заусенец, торец, задир, забоина, название класса -proдефекты невыполнения- незаполнение раковины, несплавление, название класса -non
В рамках этого датасета вы имеете полное право менять разметку, порядок обработки и иные показатели предоставленных данных, а также можете разбивать на обучающую и открытую тестовую выборки. Ооднако обратите внимание, что на кейсе также будет предоставлена приватная выборка, результаты обработки которой вы должны будете загрузить на платформу для автоматической проверки. Формат загружаемого файла submission.csv:
filename;class_id;rel_x;rel_y;width;height, где rel_x/y - координаты центра прямоугольника относительно размеров кадра (формат совпадает с разметкой датасета).
Обратите внимание, что несоответствие формата сабмита приведет к ошибке тестирующей системы и отсутствию учета ваших баллов за метрику.
Внимательно проверьте формат, особенно разделители внутри файла, лишние пробелы, пустые символы а также формат передаваемых чисел (разделитель для чисел - точка)!
Файл должен быть один, в нем должны быть перечислены все кадры,даже если вы не успели их обработать!
По возникающим вопросам пишите - @p0v4r
Участникам предстоит создать программный модуль, способный с помощью искусственного интеллекта автоматически выявлять дефекты сварных швов по фотографиям с камеры контроля, разделяя их по видам.
Желаем удачи и не забывайте задавать вопросы на отраслевых сессиях!