Конкурс Avito.ru-2014: распознавание контактной информации на изображениях

Материал из MachineLearning.

Перейти к: навигация, поиск

Содержание

Конкурс по распознаванию 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 года.

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».

Предварительный рейтинг участников.

Ключевые даты конкурса

01.10 – Старт конкурса
до 04.11 23:59 – Регистрация участников
до 11.11 23:59 – Обучения алгоритмов
до 13.11 23:59 – Сбор алгоритмов участников
14.11 – Предоставление контрольной выборки C и ответов для выборки B
15.11 – 18.11 – Сбор результатов алгоритмов на контрольной выборке C
19.11 – 09.12 – 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 организовать удобный поиск для покупателей, эффективно находить дубликаты объявлений, организовывать черные списки недобросовестных продавцов и выявлять другие нарушения. Типичным нарушением является заполнение текстовых полей объявления недействительной контактной информацией, в то же время, на изображении предоставляется актуальная информация.

Цель конкурса – создание эффективного алгоритма распознавания изображений, содержащих контактную информацию.

Справа 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 04 ноября 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.

Заявкой на регистрацию в конкурсе Вы подтверждаете, что ознакомились и согласны с Правилами конкурса.

Этапы и сроки проведения конкурса

Конкурс проходит в два этапа.

Этап первый: настройка алгоритмов распознавания

Этап проходит с момента объявления конкурса 01.10.2014 и до 11 ноября 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). Рекомендуеиый формат имени файла “YYYYMMDD_Никнейм_участника_Results_B_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.

До 13 ноября 23:59 по московскому времени участники должны прислать ZIP-архив c файлами программы алгоритма. Программа алгоритма будет использована для проверки воспроизводимости результатов участника, претендующего на победу в конкурсе, на контрольной выборке C. Участники, не приславшие вовремя свои алгоритмы, не смогут претендовать на победу в конкурсе.

Этап второй: применение алгоритмов на контрольной выборке C

14 ноября 2014 года участникам предоставляется для скачивания контрольная выборка C.

С 15 по 18 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 C: Никнейм участника». Рекомендуемый формат имени файла “YYYYMMDD_Никнейм_участника_Results_C_version1.csv”.

Последние присланные участником результаты до 18 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. Кроме того, участник, претендующий на победу в конкурсе, должен подготовить описание алгоритма.

Денежная премия:

1-е место 100 000 рублей (без учета налогов).
2-е место 50 000 рублей (без учета налогов).

Публикация презентаций победителей

Победителям конкурса предоставляется возможность опубликовать презентации своих алгоритмов на странице конкурса. 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:

  1. Идентификация
    Никнейм и адрес электронной почты.
  2. Аннотация
    4-6 предложений, объясняющих общий подход к построению алгоритма, включающих, например, принципы генерации или отбора признаков и метод обучения.
  3. Генерация и отбор признаков
    Описание метода генерации и/или отбора признаков изображений. Список и общее описание выбранных признаков.
  4. Процесс обучения
    Описание деталей метода обучения, использованного для построения алгоритма. Если комбинировались или объединялись разные методы, опишите каким образом.
  5. 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.
  6. Зависимости
    Список зависимостей, библиотек, функций, пакетов или код других сторонних компаний, использованных для создания алгоритма.
  7. Инструкция по воспроизведению (аналог README файла)
    Пошаговая инструкция для создания проекта из приведенного кода.
  8. Дополнительные комментарии и наблюдения
    Любые дополнительные комментарии или наблюдения, которые у Вас есть по поводу данных, алгоритма или процесса улучшения алгоритма.
  9. Графики
    Графики или картинки, которые Вы сделали из данных или в процессе обучения и которые показались Вам полезными или интересными.
  10. Ссылки
    Необходимые ссылки или другие внешние источники информации.


Личные инструменты