과제 설명
ㅁ 대회과제(본선) *본선 참가자 과제 2개 모두 참여 가능 / 수상은 1개의 상에 대해서만 가능합니다.
1) 축사 내 돼지의 자세 분류 (Classification)
2) 축사 내 말의 자세 예측 (Pose Estimation)
과제 1: 축사 내 돼지의 자세 분류 (Classification)
- ●한정된 학습 데이터를 활용하여 다양한 데이터에 대한 정보 획득
문제정의
- ●제공한 돼지 이미지를 사전에 정의된 자세로 분류
- - 분류 정확도 기준으로 심사 진행
- - 비지도학습, 준지도학습 또는 이외 방법 활용 가능
- - 경진대회 종료 후 데이터셋에 대하여 검증 시 재현이 가능해야 함
- ●축산 환경에서는 여러 상황에 대하여 가축의 자세를 확인할 필요성이 있음
- ●다양한 자세의 돼지를 분류하고자 함
활용 가능 사례
- ●축산 농가에 설치한 지능형 CCTV 카메라
- ●축사 내 가축 포즈 분류를 활용한 이상행동 감지 서비스
제한사항 (확인)
- 1) Label 데이터 제공하지 않음
- 2) 데이터 분포가 균등하지 않을 수 있음
- 3) 데이터 변형 시 재현 가능하도록 변형 데이터 함께 제출 (Test set에 대한 변형은 불가)
- 4) 외부 데이터 활용 불가
- 5) Pytorch 딥러닝 프레임워크만 사용 가능
사전 준비 기간 (본선참가자 확정 후 추후 공지)
- 평가지표
- ●분류한 결과에 대하여 F1-score 사용
- ●클래스는 4개로 구성
- ●각 클래스에 대한 설명 (아래 그림)
- 1. 서 있음 (Standing)- 다리로 몸을 지탱하고 있으며, 걷거나 뛰는 등 서서 하는 모든 움직임을 포함한 자세
- 2. 배를 깔고 누워있음 (Lying on belly)- 배가 바닥을 향하게 누워있음. 다리를 접거나 펴는 것을 포함하여 돼지의 배 부분이 바닥과 맞닿은 자세 (양 어깨가 모두 지면에서 떨어짐)
- 3. 옆으로 누워있음 (Lying on side)- 다리를 펴거나 접은 채로 옆으로 누워있음. 옆으로 누워 있기 때문에 돼지의 배 부분이 측면을 향한 자세 (한쪽 어깨가 바닥에 닿아 있음)
- 4. 앉아 있음 (Sitting)- 배를 깔고 누워 있는 자세와 유사하나, 앞발이 펴진 상태로 상체가 바닥에 붙어있지 않은 자세
최종 성능 지표
- ● 문제에 대한 분류 정확도를 높이는 것이 목표
과제 2: 축사 내 말의 자세 예측 (Pose Estimation)
- ●한정된 학습 데이터를 활용하여 다양한 데이터에 대한 정보 획득
-
- ●제공한 이미지에서 말의 Keypoint 탐지
- - 키포인트 탐지 정확도 기준으로 심사 진행
- - 비지도학습, 준지도학습 또는 이외 방법 활용 가능
- - 경진대회 종료 후 데이터셋에 대하여 검증 시 재현이 가능해야 함
- ●축산 환경에서는 여러 상황에 대하여 특징 추출의 필요성이 요구됨
- ●다양한 자세의 말에 대한 주요 관절 위치(Keypoint)를 탐지하고자 함
- ●축산 농가에 설치한 지능형 CCTV 카메라
- ●축사 내 포즈 예측을 활용한 이상행동 감지 서비스
제한사항
제한사항 (확인)
- 1) Label 데이터 일부 제공
- 2) 데이터 변형 시 재현 가능하도록 변형 데이터 함께 제출 (Test set에 대한 변형은 불가)
- 3) 외부 데이터 활용 불가
- 4) Pytorch 딥러닝 프레임워크만 사용 가능
사전 준비 기간 (본선참가자 확정 후 추후 공지)
- 평가지표
- ●가장 높은 키포인트 탐지 정확도(COCO AP) 기준
- ●주요 관절 개수: 17개
- 말의 주요 관절 17개의 포인트로 이루어져 있으며, 순서는 아래와 같음 (아래 그림)
- ● 문제에 대한 Keypoint 정확도를 높이는 것이 목표
과제 1: 축사 내 돼지의 자세 분류(Classification) 평가 지표 설명
과제 2: 축사 내 말의 자세 예측 (Pose Estimation) 평가 지표 설명