سلام دوست عزیز😃👋
به مسابقه «انتخابی هکاتون فیتو» خوش آمدی!
هرگونه ارتباط با سایر شرکت‌کنندگان و یا استفاده از ابزارهای تولید کد، مثل chatGPT و... در مسابقات کوئرا ممنوع است و بعد از شناسایی از لیست شرکت‌کنندگان مسابقه حذف می‌شوید. برای آشنایی بیشتر با قوانین شرکت در مسابقه این پیوند را مطالعه کنید.
در طول مسابقه، می‌توانید سؤالات خود را از قسمت «سوال بپرسید» مطرح کنید.
موفق باشید 😉✌
کشتی‌گیر کجاست؟
| فایل‌های اولیه را می‌توانید از این لینک 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.
کتابخانه‌های مجاز
توجه کنید که در این سوال تنها مجاز به استفاده از numpy و openCV هستید .
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.