Конкурс Avito.ru-2014: распознавание контактной информации на изображениях
Материал из MachineLearning.
(→Этап первый: настройка алгоритмов распознавания) |
|||
Строка 13: | Строка 13: | ||
'''29.09 – 31.10''' – Этап обучения алгоритмов<br /> | '''29.09 – 31.10''' – Этап обучения алгоритмов<br /> | ||
'''03.11 – 04.11''' – Сбор алгоритмов участников<br /> | '''03.11 – 04.11''' – Сбор алгоритмов участников<br /> | ||
- | '''05.11''' – Предоставление контрольной выборки | + | '''05.11''' – Предоставление контрольной выборки C и ответов для выборки B<br /> |
- | '''05.11 – 07.11''' – Сбор результатов участников по контрольной выборке | + | '''05.11 – 07.11''' – Сбор результатов участников по контрольной выборке C<br /> |
'''10.11 – 28.11''' – Определение победителей и проверка на воспроизводимость результатов, публикация презентаций победителей на портале MachineLearning.ru | '''10.11 – 28.11''' – Определение победителей и проверка на воспроизводимость результатов, публикация презентаций победителей на портале MachineLearning.ru | ||
Строка 35: | Строка 35: | ||
==Описание данных== | ==Описание данных== | ||
- | Исходная выборка, '''выборка | + | Исходная выборка, '''выборка A''', содержит 41 122 изображения, классифицированных на два класса: |
* 1 – имеется контактная информация (12031), | * 1 – имеется контактная информация (12031), | ||
* 0 - нет контактной информации (29091). | * 0 - нет контактной информации (29091). | ||
- | Выборка | + | Выборка A используется для настройки алгоритмов участниками. |
- | Еще 10 000 изображений являются тестовыми, '''выборка | + | Еще 10 000 изображений являются тестовыми, '''выборка B''', – ответы по ним известны только организаторам. Тестовые данные будут использоваться для составления промежуточного [[Рейтинг_участников_конкурса_по_распознаванию_контактной_информации_на_изображениях|рейтинга]] участников, который, согласно [[Конкурс_по_распознаванию_контактной_информации_на_изображениях_%28Конкурс_Avito.ru_2014%29#.D0.AD.D1.82.D0.B0.D0.BF_.D0.BF.D0.B5.D1.80.D0.B2.D1.8B.D0.B9:_.D0.BD.D0.B0.D1.81.D1.82.D1.80.D0.BE.D0.B9.D0.BA.D0.B0_.D0.B0.D0.BB.D0.B3.D0.BE.D1.80.D0.B8.D1.82.D0.BC.D0.BE.D0.B2_.D1.80.D0.B0.D1.81.D0.BF.D0.BE.D0.B7.D0.BD.D0.B0.D0.B2.D0.B0.D0.BD.D0.B8.D1.8F|правилам ]] обновляется два раза в неделю. |
- | И, наконец, третья выборка, '''выборка | + | И, наконец, третья выборка, '''выборка C''', – контрольная, предоставляется участникам на третьем этапе конкурса и содержит 10 000 изображений. Контрольная выборка будет использоваться для определения победителей конкурса. Подробнее об [[%D0%9A%D0%BE%D0%BD%D0%BA%D1%83%D1%80%D1%81_%D0%BF%D0%BE_%D1%80%D0%B0%D1%81%D0%BF%D0%BE%D0%B7%D0%BD%D0%B0%D0%B2%D0%B0%D0%BD%D0%B8%D1%8E_%D0%BA%D0%BE%D0%BD%D1%82%D0%B0%D0%BA%D1%82%D0%BD%D0%BE%D0%B9_%D0%B8%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%86%D0%B8%D0%B8_%D0%BD%D0%B0_%D0%B8%D0%B7%D0%BE%D0%B1%D1%80%D0%B0%D0%B6%D0%B5%D0%BD%D0%B8%D1%8F%D1%85_%28%D0%9A%D0%BE%D0%BD%D0%BA%D1%83%D1%80%D1%81_Avito.ru_2014%29#.D0.AD.D1.82.D0.B0.D0.BF.D1.8B_.D0.B8_.D1.81.D1.80.D0.BE.D0.BA.D0.B8_.D0.BF.D1.80.D0.BE.D0.B2.D0.B5.D0.B4.D0.B5.D0.BD.D0.B8.D1.8F_.D0.BA.D0.BE.D0.BD.D0.BA.D1.83.D1.80.D1.81.D0.B0|этапах]] конкурса . |
Изображения имеют формат jpg, ответы по обучающей выборке представлены в csv-файле в формате Id, label, где Id – имя файла изображения, а label – метка класса, 0 или 1. | Изображения имеют формат jpg, ответы по обучающей выборке представлены в csv-файле в формате Id, label, где Id – имя файла изображения, а label – метка класса, 0 или 1. | ||
Данные можно скачать по ссылкам: <br /> | Данные можно скачать по ссылкам: <br /> | ||
- | [http://machinelearning.ru/ Выборка | + | [http://machinelearning.ru/ Выборка A] – папка содержит обучающие картинки в формате jpg.<br /> |
- | [http://machinelearning.ru/ Выборка | + | [http://machinelearning.ru/ Выборка B] - папка содержит тестовые картинки в формате jpg.<br /> |
- | [http://machinelearning.ru/data/competition.avito.2014/avito_train_labels.zip Метки классов объектов обучающей выборки] – csv-файл содержит метки классов для выборки | + | [http://machinelearning.ru/data/competition.avito.2014/avito_train_labels.zip Метки классов объектов обучающей выборки] – csv-файл содержит метки классов для выборки A. |
==Функционал качества алгоритма распознавания== | ==Функционал качества алгоритма распознавания== | ||
Строка 66: | Строка 66: | ||
Этап проходит с момента объявления конкурса '''29.09.2014''' и до '''31 октября 2014 года, 23:59''' по московскому времени. | Этап проходит с момента объявления конкурса '''29.09.2014''' и до '''31 октября 2014 года, 23:59''' по московскому времени. | ||
- | В течение этого времени участники настраивают свои алгоритмы на обучающей части данных конкурсной задачи (выборка | + | В течение этого времени участники настраивают свои алгоритмы на обучающей части данных конкурсной задачи (выборка A). |
- | Для проверки качества алгоритмов и составления предварительного рейтинга результатов участники отправляют файл с результатами на выборке | + | Для проверки качества алгоритмов и составления предварительного рейтинга результатов участники отправляют файл с результатами на выборке B на почту [mailto:competition.avito.2014@forecsys.ru competition.avito.2014@forecsys.ru], указав в теме письма «Результаты B: Никнейм участника» (письмо должно быть отправлено с того же электронного адреса, что и при регистрации участника). |
Результаты представляются в csv-формате (образец файла [[Media:Example(SET B).rar|''здесь'']]). Формат имени файла “YYYYMMDD_Никнейм участника_Результаты_Б_version1.csv”. Файл с результатами содержит два столбца: в первом столбце указаны идентификаторы изображений (имена файлов), а во втором – вещественные оценки вероятностей нахождения на картинках контактной информации. Значения оценок вероятностей должны принадлежать отрезку [0,1]. Пропуски и строковые не допускаются. | Результаты представляются в csv-формате (образец файла [[Media:Example(SET B).rar|''здесь'']]). Формат имени файла “YYYYMMDD_Никнейм участника_Результаты_Б_version1.csv”. Файл с результатами содержит два столбца: в первом столбце указаны идентификаторы изображений (имена файлов), а во втором – вещественные оценки вероятностей нахождения на картинках контактной информации. Значения оценок вероятностей должны принадлежать отрезку [0,1]. Пропуски и строковые не допускаются. | ||
- | Два раза в неделю – '''понедельник и четверг до 23:59''' по московскому времени – осуществляется прием писем с оценками вероятностей для выборки | + | Два раза в неделю – '''понедельник и четверг до 23:59''' по московскому времени – осуществляется прием писем с оценками вероятностей для выборки B для составления очередного предварительного рейтинга участников. В течение следующего рабочего дня будет обновлен предварительных [[Рейтинг_участников_конкурса_по_распознаванию_контактной_информации_на_изображениях|рейтинг результатов]] участников. Для расчета рейтинга используются результаты участника, полученные в '''последнем письме'''. |
===Этап второй: сбор алгоритмов участников=== | ===Этап второй: сбор алгоритмов участников=== | ||
- | Этап занимает 2 дня – '''3 и 4 ноября 2014 года'''. Участники должны прислать файл с [[Конкурс_по_распознаванию_контактной_информации_на_изображениях_%28Конкурс_Avito.ru_2014%29#.D0.A2.D1.80.D0.B5.D0.B1.D0.BE.D0.B2.D0.B0.D0.BD.D0.B8.D1.8F_.D0.BA_.D0.BE.D0.BF.D0.B8.D1.81.D0.B0.D0.BD.D0.B8.D1.8E_.D0.B0.D0.BB.D0.B3.D0.BE.D1.80.D0.B8.D1.82.D0.BC.D0.B0_.D1.80.D0.B0.D1.81.D0.BF.D0.BE.D0.B7.D0.BD.D0.B0.D0.B2.D0.B0.D0.BD.D0.B8.D1.8F|описанием алгоритма]], а также ZIP-архив c [[Конкурс_по_распознаванию_контактной_информации_на_изображениях_%28Конкурс_Avito.ru_2014%29#.D0.A2.D1.80.D0.B5.D0.B1.D0.BE.D0.B2.D0.B0.D0.BD.D0.B8.D1.8F_.D0.BA_.D0.BF.D1.80.D0.BE.D0.B3.D1.80.D0.B0.D0.BC.D0.BC.D0.BD.D0.BE.D0.BC.D1.83_.D0.BE.D0.B1.D0.B5.D1.81.D0.BF.D0.B5.D1.87.D0.B5.D0.BD.D0.B8.D1.8E|файлами программы алгоритма]]. Программа алгоритма будет использована для проверки воспроизводимости результатов участника на контрольной выборке | + | Этап занимает 2 дня – '''3 и 4 ноября 2014 года'''. Участники должны прислать файл с [[Конкурс_по_распознаванию_контактной_информации_на_изображениях_%28Конкурс_Avito.ru_2014%29#.D0.A2.D1.80.D0.B5.D0.B1.D0.BE.D0.B2.D0.B0.D0.BD.D0.B8.D1.8F_.D0.BA_.D0.BE.D0.BF.D0.B8.D1.81.D0.B0.D0.BD.D0.B8.D1.8E_.D0.B0.D0.BB.D0.B3.D0.BE.D1.80.D0.B8.D1.82.D0.BC.D0.B0_.D1.80.D0.B0.D1.81.D0.BF.D0.BE.D0.B7.D0.BD.D0.B0.D0.B2.D0.B0.D0.BD.D0.B8.D1.8F|описанием алгоритма]], а также ZIP-архив c [[Конкурс_по_распознаванию_контактной_информации_на_изображениях_%28Конкурс_Avito.ru_2014%29#.D0.A2.D1.80.D0.B5.D0.B1.D0.BE.D0.B2.D0.B0.D0.BD.D0.B8.D1.8F_.D0.BA_.D0.BF.D1.80.D0.BE.D0.B3.D1.80.D0.B0.D0.BC.D0.BC.D0.BD.D0.BE.D0.BC.D1.83_.D0.BE.D0.B1.D0.B5.D1.81.D0.BF.D0.B5.D1.87.D0.B5.D0.BD.D0.B8.D1.8E|файлами программы алгоритма]]. Программа алгоритма будет использована для проверки воспроизводимости результатов участника на контрольной выборке C. Участники, не приславшие вовремя свои модели, не смогут претендовать на победу в конкурсе. |
- | ===Этап третий: сбор результатов по контрольной выборке | + | ===Этап третий: сбор результатов по контрольной выборке C=== |
- | '''5 ноября 2014 года''' участникам предоставляется для скачивания контрольная выборка | + | '''5 ноября 2014 года''' участникам предоставляется для скачивания контрольная выборка C. |
- | '''С 5 по 7 ноября 2014 23:59''' по московскому времени участники высылают результаты работы алгоритмов на выборке | + | '''С 5 по 7 ноября 2014 23:59''' по московскому времени участники высылают результаты работы алгоритмов на выборке C (образец файла [[Media:Example(SET B).rar|''здесь'']]) на почтовый адрес [mailto:competition.avito.2014@forecsys.ru competition.avito.2014@forecsys.ru], указав в теме письма «Результаты В: Никнейм участника», Формат имени файла “YYYYMMDD_Никнейм участника_Результаты_C_version1.csv”. |
- | Последние присланные участником результаты до '''7 ноября 2014 23:59''' на контрольной выборке | + | Последние присланные участником результаты до '''7 ноября 2014 23:59''' на контрольной выборке C будут использованы при определении победителей конкурса. |
==Процедура определения победителей и призовой фонд== | ==Процедура определения победителей и призовой фонд== | ||
- | '''Победителем конкурса''' (первое место) станет участник, алгоритм которого продемонстрировал наилучший результат на контрольной выборке | + | '''Победителем конкурса''' (первое место) станет участник, алгоритм которого продемонстрировал наилучший результат на контрольной выборке C. |
- | '''Второе место займет''' участник, показавший наилучший результат на контрольной выборке | + | '''Второе место займет''' участник, показавший наилучший результат на контрольной выборке C среди тех участников, которые использовали только [[Конкурс_по_распознаванию_контактной_информации_на_изображениях_%28Конкурс_Avito.ru_2014%29#.D0.A2.D1.80.D0.B5.D0.B1.D0.BE.D0.B2.D0.B0.D0.BD.D0.B8.D1.8F_.D0.BA_.D0.BF.D1.80.D0.BE.D0.B3.D1.80.D0.B0.D0.BC.D0.BC.D0.BD.D0.BE.D0.BC.D1.83_.D0.BE.D0.B1.D0.B5.D1.81.D0.BF.D0.B5.D1.87.D0.B5.D0.BD.D0.B8.D1.8E|некоммерческое ПО]]. В случае, если первое место занял участник, пользующийся только некоммерческим ПО, второе место достанется следующему по оценке качества алгоритма по результатам на выборке C среди тех, кто использовал только некоммерческое ПО. |
'''Воспроизводимость результата работы алгоритма''' участника с использованием присланной ранее программы алгоритма является обязательным условием получения призового места. Предоставление организаторам необходимого ПО и помощь в воспроизведении результатов является обязанностью участника. | '''Воспроизводимость результата работы алгоритма''' участника с использованием присланной ранее программы алгоритма является обязательным условием получения призового места. Предоставление организаторам необходимого ПО и помощь в воспроизведении результатов является обязанностью участника. |
Версия 16:31, 26 сентября 2014
Задача распознавания контактной информации на изображениях Avito.ru — конкурс по решению прикладной задачи из области анализа изображений, проводимый в рамках 10-й Международной конференции «Интеллектуализация обработки информации-2014» (ИОИ-2014), Греция, о. Крит, 4-11 октября 2014.
Участвовать в конкурсе могут все желающие. Особенно приветствуется участие в конкурсе студентов, аспирантов и молодых ученых, поскольку это уникальная возможность познакомиться с актуальной прикладной задачей машинного обучения и попробовать в деле свои знания и навыки.
Конкурс проводится компанией Avito.ru при организационной поддержке компании Форексис.
Вопросы организаторам конкурса можно задавать в обсуждении этой страницы для зарегистрированных на портале MachineLearning.ru пользователей, либо по почте competition.avito.2014@forecsys.ru с указанием в теме письма «Вопрос».
Ключевые даты конкурса
29.09 – Старт конкурса
29.09 – 24.10 –Регистрация участников
29.09 – 31.10 – Этап обучения алгоритмов
03.11 – 04.11 – Сбор алгоритмов участников
05.11 – Предоставление контрольной выборки C и ответов для выборки B
05.11 – 07.11 – Сбор результатов участников по контрольной выборке C
10.11 – 28.11 – Определение победителей и проверка на воспроизводимость результатов, публикация презентаций победителей на портале MachineLearning.ru
Avito.ru
Avito.ru является самым большим в России сайтом объявлений. Миллионы людей ежедневно заходят на портал, чтобы продать или купить практически всё, что пожелают: от цифровой техники и одежды до автомобилей и недвижимости. Объявления размещают частные лица, предприниматели и компании, поэтому на Avito.ru можно купить как бывшие в употреблении вещи, так и абсолютно новые товары.
Миссия Avito.ru — соединить продавцов и покупателей по всей России, изменив их повседневную жизнь к лучшему.
На Avito.ru более 24 миллионов активных объявлений и каждый день огромное количество объявлений создается или изменяется. Эффективность Avito.ru в значительной степени зависит от качества заполнения содержания объявлений, поскольку качественные объявления позволяют покупателям оперативно находить подходящие предложения, а продавцам - продавать свои товары за считанные часы.
Описание задачи
По правилам Avito.ru в объявлении контактная информация продавца (например, телефон, e-mail, ссылка на сайт) должна быть указана в соответствующих текстовых полях. Это позволяет эффективно находить дубликаты объявлений, организовывать черные списки недобросовестных продавцов и выявлять другие нарушения. Типичным нарушением является заполнение текстовых полей объявления недействительной контактной информацией, в тоже время, на изображении предоставляется актуальная информация.
Цель конкурса – создание эффективного алгоритма распознавания изображений, содержащих контактную информацию.
Ниже приведены два примера изображений с контактной информацией.
Описание данных
Исходная выборка, выборка A, содержит 41 122 изображения, классифицированных на два класса:
- 1 – имеется контактная информация (12031),
- 0 - нет контактной информации (29091).
Выборка A используется для настройки алгоритмов участниками.
Еще 10 000 изображений являются тестовыми, выборка B, – ответы по ним известны только организаторам. Тестовые данные будут использоваться для составления промежуточного рейтинга участников, который, согласно правилам обновляется два раза в неделю.
И, наконец, третья выборка, выборка C, – контрольная, предоставляется участникам на третьем этапе конкурса и содержит 10 000 изображений. Контрольная выборка будет использоваться для определения победителей конкурса. Подробнее об этапах конкурса .
Изображения имеют формат jpg, ответы по обучающей выборке представлены в csv-файле в формате Id, label, где Id – имя файла изображения, а label – метка класса, 0 или 1.
Данные можно скачать по ссылкам:
Выборка A – папка содержит обучающие картинки в формате jpg.
Выборка B - папка содержит тестовые картинки в формате jpg.
Метки классов объектов обучающей выборки – csv-файл содержит метки классов для выборки A.
Функционал качества алгоритма распознавания
Качество работы алгоритмов распознавания оценивается показателем AUC – площадь под ROC-кривой.
Реализация функционала качества AUC в среде Matlab:
[X,Y,T,AUC] = perfcurve(labels,scores,posclass);
Регистрация участников
Для регистрации в конкурсе участнику необходимо до 24 октября 2014 года 23:59 прислать письмо на адрес competition.avito.2014@forecsys.ru с темой «Регистрация», содержащее никнейм участника – имя/псевдоним, которое будет отображаться в предварительном рейтинге участников, формируемом в течение первого этапа. Электронный адрес отправителя письма будет использоваться для идентификации участника.
Этапы и сроки проведения конкурса
Конкурс проходит в три этапа.
Этап первый: настройка алгоритмов распознавания
Этап проходит с момента объявления конкурса 29.09.2014 и до 31 октября 2014 года, 23:59 по московскому времени.
В течение этого времени участники настраивают свои алгоритмы на обучающей части данных конкурсной задачи (выборка A).
Для проверки качества алгоритмов и составления предварительного рейтинга результатов участники отправляют файл с результатами на выборке B на почту competition.avito.2014@forecsys.ru, указав в теме письма «Результаты B: Никнейм участника» (письмо должно быть отправлено с того же электронного адреса, что и при регистрации участника).
Результаты представляются в csv-формате (образец файла здесь). Формат имени файла “YYYYMMDD_Никнейм участника_Результаты_Б_version1.csv”. Файл с результатами содержит два столбца: в первом столбце указаны идентификаторы изображений (имена файлов), а во втором – вещественные оценки вероятностей нахождения на картинках контактной информации. Значения оценок вероятностей должны принадлежать отрезку [0,1]. Пропуски и строковые не допускаются.
Два раза в неделю – понедельник и четверг до 23:59 по московскому времени – осуществляется прием писем с оценками вероятностей для выборки B для составления очередного предварительного рейтинга участников. В течение следующего рабочего дня будет обновлен предварительных рейтинг результатов участников. Для расчета рейтинга используются результаты участника, полученные в последнем письме.
Этап второй: сбор алгоритмов участников
Этап занимает 2 дня – 3 и 4 ноября 2014 года. Участники должны прислать файл с описанием алгоритма, а также ZIP-архив c файлами программы алгоритма. Программа алгоритма будет использована для проверки воспроизводимости результатов участника на контрольной выборке C. Участники, не приславшие вовремя свои модели, не смогут претендовать на победу в конкурсе.
Этап третий: сбор результатов по контрольной выборке C
5 ноября 2014 года участникам предоставляется для скачивания контрольная выборка C.
С 5 по 7 ноября 2014 23:59 по московскому времени участники высылают результаты работы алгоритмов на выборке C (образец файла здесь) на почтовый адрес competition.avito.2014@forecsys.ru, указав в теме письма «Результаты В: Никнейм участника», Формат имени файла “YYYYMMDD_Никнейм участника_Результаты_C_version1.csv”.
Последние присланные участником результаты до 7 ноября 2014 23:59 на контрольной выборке C будут использованы при определении победителей конкурса.
Процедура определения победителей и призовой фонд
Победителем конкурса (первое место) станет участник, алгоритм которого продемонстрировал наилучший результат на контрольной выборке C.
Второе место займет участник, показавший наилучший результат на контрольной выборке C среди тех участников, которые использовали только некоммерческое ПО. В случае, если первое место занял участник, пользующийся только некоммерческим ПО, второе место достанется следующему по оценке качества алгоритма по результатам на выборке C среди тех, кто использовал только некоммерческое ПО.
Воспроизводимость результата работы алгоритма участника с использованием присланной ранее программы алгоритма является обязательным условием получения призового места. Предоставление организаторам необходимого ПО и помощь в воспроизведении результатов является обязанностью участника.
Денежная премия:
- 1-е место 100 000 рублей (без учета налогов).
- 2-е место 50 000 рублей (без учета налогов).
- 1-е место 100 000 рублей (без учета налогов).
Публикация презентаций победителей
Победителям конкурса предоставляется возможность опубликовать презентации своих алгоритмов на странице конкурса на портале MachineLearning.ru. Презентация должна кратко и наглядно иллюстрировать подход участника к решению задачи, применяемые методы и полученные результаты. Формат и содержание презентации согласуются с организаторами.
Требования к программному обеспечению
Приветствуется, в первую очередь, использование программного обеспечения (ПО), которое не требует лицензии для коммерческого использования. Использование коммерческого ПО также допускается.
К ПО предъявляется одно общее требование – возможность воспроизведения организаторами результатов участника без приобретения каких-либо лицензий, например, используя тестовые версии соответствующего ПО, которые находятся в открытом доступе на сайте производителя.
Предоставление организаторам необходимого ПО и помощь в воспроизведении результатов является обязанностью участника.
Требования к описанию алгоритма распознавания
Требуется предоставить Word или PDF документ на русском языке с описанием Вашего алгоритма по следующему шаблону:
- Идентификация
Никнейм и адрес электронной почты. - Аннотация
4-6 предложений, объясняющих общий подход к построению алгоритма, включающих, например, принципы генерации или отбора признаков и метод обучения.
- Генерация и отбор признаков
Описание метода генерации и/или отбора признаков изображений. Список и общее описание выбранных признаков.
- Процесс обучения
Описание деталей метода обучения, использованного для построения алгоритма. Если комбинировались или объединялись разные методы, опишите каким образом. - Описание программы алгоритма
Для каждой функции опишите:
- входные переменные
- выходные переменные
- что функция делает
- Все программные файлы должны быть присланы в том же письме в отдельном архиве. Сам код должен содержать подробные и понятные комментарии.
- Зависимости
Список зависимостей, библиотек, функций, пакетов или код других сторонних компаний, использованных для создания алгоритма. - Инструкция по воспроизведению (аналог README файла)
Пошаговая инструкция для создания проекта из приведенного кода. - Дополнительные комментарии и наблюдения
Любые дополнительные комментарии или наблюдения, которые у Вас есть по поводу данных, модели или процесса улучшения модели. - Графики
Графики или картинки, которые Вы сделали из данных или в процессе обучения и которые показались Вам полезными или интересными. - Ссылки
Необходимые ссылки или другие внешние источники информации.