| فایل‌های اولیه را می‌توانید از [این لینک](/contest/assignments/85735/download_problem_initial_project/292701/) دانلود کنید.| |:-:| در ادامه‌ی مسابقه، قصد داریم توانمندی شما را در حوزه‌ی پردازش تصویر و بینایی کامپیوتر ارزیابی کنیم. در این سوال، با داده‌های تصویری مرتبط با کشتی سر و کار خواهید داشت. در این سوال هدف این است که با استفاده از تکنیک‌های پردازش تصویر یا بینایی کامپیوتر، تابعی را پیاده‌سازی کنید که در هر تصویر دو کشتی‌گیر را **سفید** کند و مابقی جزئیات را **سیاه** کند. |  | |:--------:| | *شکل ۱ تصویر ورودی و شکل ۲ تصویر خروجی مطلوب مسئله است.* | _________ ## معرفی تصاویر در فایل اولیه، چهار نمونه از تصاویر ورودی و خروجی (ماسک سیاه و سفید) قرار دارد که می‌توانید از آن‌ها برای ارزیابی پیاده‌سازی خود استفاده کنید. در هر تصویر، دو کشتی‌گیر حضور دارند. اندازه‌ی تمامی تصاویر ورودی برابر با ۶۴۰×۶۴۰ پیکسل است. در تمام تصاویر، کشتی‌گیران لباس مخصوص کشتی به تن دارند. وظیفه‌ی شما این است که **ماسکی تولید کنید که تمام بدن هر دو کشتی‌گیر را به رنگ سفید** نمایش دهد و **سایر بخش‌های تصویر را به رنگ سیاه** درآورد. تصویر خروجی باید دارای همان ابعاد تصویر ورودی و در فضای رنگی `RGB` باشد، به‌گونه‌ای که هر پیکسل مربوط به ناحیه‌ی کشتی‌گیران سفید و سایر پیکسل‌ها سیاه باشد. ## نحوه ارسال پاسخ شما باید یک فایل پایتونی با نام `wrestler.py` بسازید که درون آن یک تابع با نام `detect_wrestler` پیاده‌سازی شده است. این تابع آدرس یک تصویر را به عنوان ورودی می‌گیرد و سپس در خروجی باید تصویری را تحویل بدهد که در قسمت‌های بدن کشتی‌گیر پیکسل‌ها سفید و در سایر نواحی پیکسل‌ها سیاه باشند. در نهایت این فایل پایتونی را در قالب *zip* قرار دهید و در کوئرا آپلود کنید. <details class="red"> <summary> **کتابخانه‌های مجاز** </summary> توجه کنید که در این سوال تنها مجاز به استفاده از `numpy` و `openCV` هستید . </details> ## معیار ارزیابی در این سوال خروجی تابع شما با استفاده از معیار `Intersection of Union` یا به اختصار `IoU` ارزیابی خواهد شد و باید حداقل دقت ۶۰ درصد را کسب نماید. بنابراین در صورت کسب آستانه مورد نظر، امتیاز شما همان دقت شما از ۱۰۰ و در غیر این صورت صفر خواهد بود. این معیار بین ماسک واقعی و ماسک تولید شده با استفاده از تابع شما محاسبه خواهد شد.