با اپلیکیشن اسنپفود به راحتی میتوانید با چند کلیک ساده، رستورانها، کافهها و شیرینیفروشیهای نزدیک خودتان را جستوجو و از تجربه سفارش آسان اسنپفود لذت ببرید. 😋
فروشندگان میتوانند اقلام خوراکی خود را در اسنپفود قرار دهند تا کاربران با بررسی قیمت و عکس خوراکیها و نظرات کاربران دیگر، خوراکی مورد نظر خود را انتخاب کنند.
با بررسی تصاویری که مردم در شبکههای اجتماعی به اشتراک میگذارند، میتوان ترتیب قرار گرفتن خوراکیها را ارتقا داد. برای مثال، خوراکیهایی که در شبکههای اجتماعی مورد توجه قرار گرفتهاند را در ابتدای سایت یا اپلیکیشن قرار داد. همچنین برای هر کاربر، یک لیست شخصیسازی شده از خوراکیهای مورد علاقهاش را پیشنهاد داد.
برای استقاده از این امکانات، در قدم اول باید بتوانیم نوع غذای موجود در یک عکس را شناسایی کنیم و این دقیقا کاری است که ما انتظار داریم شما در این سوال انجام دهید.
در این سوال شما به دادگان عکس خوراکیها دسترسی دارید. در این مجموعه، بیش از ۱۷ هزار عکس از ۲۱ نوع خوراکی وجود دارند که تعدادی از آنها را در عکس زیر میبینید:
برای دریافت دادگان این سوال، از اینجا اقدام کنید. بعد از unzip
کردن آن، داخل پوشه food
بروید و دادگان آموزش را در پوشه train
، پیدا کنید. داخل این پوشه، برای هر نوع خوراکی، یک پوشه جدا وجود دارد که شامل تصاویر آن میباشد. همچنین تصاویر دادگان آزمایش این سوال، در پوشه test
قرار دارند. روی هم رفته حجم کل عکسها حدود یک گیگابایت میباشد.
شاید یکی از روشهای زیر (یا ترکیب آنها)، بتواند به شما در حل این مسئله کمک بکند:
transfer learning
و CNNs
data augmentation
)در هنگام کار با این دادگان، به نکات زیر توجه داشته باشید:
برای ارزیابی نتیجه کار، از معیار دقت (accuracy
) در اعلام نوع خوراکی موجود در یک عکس استفاده میشود. یعنی تعداد عکسهای درست پیشبینی شده تقسیم بر تعداد کل تصاویر موجود میشود.
امتیاز نهایی مدل شما نیز، طبق رابطه زیر محاسبه میشود:
با استفاده از رابطه بالا، افرادی که دقت مدلشان، ۲۰ درصد و یا کمتر از آن است، از این سوال، امتیازی کسب نمیکنند. توجه داشته باشید که بیشترین امتیاز ممکن از این سوال ۲۰۰ و کمترین امتیاز ممکن، صفر است.
پیشبینیهای مدل خود بر روی دادگان آزمایش را در فایلی با نام output.csv
قرار دهید. این فایل باید دارای دو ستون با نامهای file
و prediction
به ترتیب باشند. در هر ردیف، نام فایل را در file
و پیشبینی خود از نوع خوراکی را در ستون prediction
قرار دهید (دقت کنید که فایل CSV
باید حتما دارای header
باشد).
بعد از آمادهسازی فایل output.csv
، آن را برای ما بارگذاری کنید.
output.csv
(فقط سه خط اول به همراه نام ستونها)🔗حتما فایل output.csv
باید دارای ۴,۲۷۶ سطر (بدون در نظر گرفتن header
) و دو ستون باشد.
همچنین نام ستونها بایستی بدون space
در قبل و بعد از نام آن، باشند. در غیر این صورت، سیستم داوری نمرهای به شما نخواهد داد.
فراموش نکنید که قبل از پایان زمان مسابقه، بایستی تمامی کدهای این مسابقه را از قسمت بارگذاری کُد برای ما ارسال کنید. در غیر این صورت، شما از این مسابقه، امتیازی کسب نمی کنید.
توجه داشته باشید که اگر از jupter notebook
استفاده می کنید بایستی همانند توضیحات قسمت بارگذاری کُد، خروجی .py
را دریافت و برای ارسال در نظر بگیرید. ارسال فایلهای jupyter
همانند .ipynb
مورد قبول واقع نخواهند شد.