智能盘点 - 钢筋数量 AI 识别 - 数据下载与评测
train_dataset.zip
训练集图片资源文件 MD5: 34F09C91A96BACFFF12AA80DA1BBD085
train_labels.csv
训练集标注文件 MD5: 350668D7E7E9E40A2EBCA6DF8A0C947E
submit_example.csv
提交样例 MD5: 6726465B10566EB812F13A9E6DE5661A
test_dataset.zip
测试集图片资源文件 MD5: B945DE419989D41447E259C3F8AD5B7B
数据背景
钢筋数据来自现场手机采集。钢筋车辆进库时，使用手机拍摄成捆钢筋的截面 (一般保证较小倾角，尽量垂直于钢筋截面拍摄)。数据会包含直径从 12 mm-32 mm 等不同规格的钢筋图片。
数据规则
鼓励参赛团队扩大数据，可以使用外部数据进行更深入的研究，但须说明数据获取方式。对于特别需要的数据，参赛团队可以向组委会申请获取。
文件清单和使用说明
文件中包含以下内容：
1.train 文件夹：用于训练的图像集合，共 250 张。
2.test 文件夹：用于测试的图像集合，共 200 张。
3.train_labels.csv 文件：训练图像的标注文件。
| ID | Labels |
|---|---|
| xx.jpg | x_min y_min x_max y_max |
其中，ID 列为图像文件名，Labels 列为图像对应的标注信息，示例中 Labels 列为一个矩形框的标注信息，从左到右依次为 x_min (左上角 X 坐标)，y_min (左上角 Y 坐标)，x_max (右下角 X 坐标)，y_max (右下角 Y 坐标) 四个值，中间用空格分割，Labels 中若包含多个矩形标注框则为多行。
作品要求
线上提交的测试结果为 csv 格式的目标识别结果文件，列之间用 “,” 分割，每行包含测试图片名称及识别结果两列组成。例如：
| ID | Detections |
|---|---|
| xxx.jpg | 240 170 260 240 |
| xxx.jpg | 152 331 246 415 |
| yyy.jpg | 240 170 260 240 |
其中识别结果为检测框坐标依次排列的形式，例如 “240 170 260 240” 表示左上角坐标 (240, 170)，右下角坐标 (260, 240) 的矩形框位置检测到钢筋，数据之间采用空格隔开，同一张图片上的不同检测结果写入多行记录。
评分方式
评分算法采用 F1-Score 的计算方式
计算作品的召回率 (recall) 和准确率 (precision)：
F1-score 值越高，排名越靠前。
本题规定 predicted bounding box 和 ground truth bounding box 的 IOU (交并比) 作为结果匹配的依据。
检测正确的目标：IOU > 0.7 的结果。
漏检：标准答案中标识出的目标，但是作品中未找到 IOU > 0.7 的匹配项。
检测错误的目标：作品中标注的目标在标准答案中没有对应的 IOU > 0.7 的匹配项。
CSV 文件转换成为 VOC 格式文件
大小错误，是指文件大小超出限制。
格式错误，是指结果中的字段数不对、字段分隔符、换行符不对，请按照比赛说明中要求的格式编写结果文件。
编码错误，是指结果为非文本格式或包含非法字符、字符集错误等，推荐使用 UTF-8 无 BOM 编码的文本格式。
逻辑错误，是指结果文件的内容在逻辑上不符合比赛要求。
A/B 榜是指在对结果进行评分排名时，将测试数据分割为 A/B 两份，分别评分并生成对应排行榜。
A 榜和 B 榜的存在是为了防止参赛队伍对测试数据过拟合，分割方式可能会采用随机分割方式、时序分割方式或者其他专业分割方式。
A 榜在提交开放阶段为每支参赛队伍的提交结果自动评分并排名，生成 A 榜；B 榜在提交截止阶段为参赛队伍选定的候选文件进行自动评分并排名，生成 B 榜。
A/B 榜不会更换数据。
所有报名参加同一赛题的参赛者，可进行组队操作。每队 1-5 人，不可重复组队。组队截止至初赛 A 榜结束。