Нейросеть для обнаружения заболеваний листьев яблони по фотографии

Ожидаемый результат

1. Работающий прототип web-сервиса (MVP);
2. Разработанная и обученная глубокая нейросеть для обнаружения заболевания листа яблони по фотографии.

Критерии оценки итогового продукта

Итоговый балл на 80% состоит из оценки качества нейросети по максимуму F1-метрики на валидационном наборе и на 20% — из оценки жюри простоты и удобства пользования сервисом.

Ресурсы, которые дает заказчик, чтобы решить задачу

Командам будет предоставлен размеченный датасет из нескольких сотен фотографий листьев яблони. Командам не запрещается расширять выборку самостоятельно при необходимости.

Дополнительная информация

Для команд, участвующих с этой задачей, сдача работ будет проходить в два этапа. В третий день хакатона (воскресенье) в 13:00 каждая команда сдает на проверку техническую часть своего решения (код). Затем в 17:00 команды проводят 3-х минутный питч с демонстрацией интерфейсов продукта.

Экспертиза, которая должна быть у команды

• Машинное обучение;
• Глубокое обучение;
• Обработка изображений;
• Математическая статистика;
• Умение писать на Python;
• Знание соответствующих фреймворков и библиотек.

Механика взаимодействия с менторами

1. Менторы рассказывают командам суть задачи. Этап консультации.
2. В определенный момент командам открывается доступ к датасету. Участники могут делить его на “train” и “test”-части произвольно.
3. Этап решения задачи.
4. По мере окончательной готовности нейросети команда передает менторам код на Python, реализующий pipeline (код должен быть полный, отчуждаемый, способный отрабатывать на локальном сервере организаторов):

• Подгрузка предобученной модели (Pytorch, Keras (TF)).
• Считывание фото из директории.
• Предобработка данных.
• Обработка моделью данных.
• Формирование решений.
• Запись результатов в csv-файл.

5. Фиксируется момент передачи файлов, они подписываются хешем SHA1.

6. После получения файлов решения модераторы на локальном сервере запускают представленное участником решение на закрытой выборке данных, формируют файл "Team_Name_out.csv", его содержимое и его хеш SHA1 передаются участнику.

7. После генерации всех файлов "Team_Name_out.csv" просчитываются метрики для команд.

8. Параллельно команды пишут прототип web-сервиса, который оценивается с точки зрения простоты и удобства пользования.

9. Определяется победитель по совокупному итоговому баллу оценки.