Chicken Counting

IOAI 2025 · Día 1 · Sede: Beijing, China 🇨🇳
Temas: Computer Vision, Deep Learning · Edición: IOAI 2025

📋 Ficha

Métricaexp(−media del error relativo absoluto de conteo), se maximiza en 0–1
Modelos permitidosextractor de features preentrenado provisto (base.pth)
Rendimiento observado🟡 media ≥25 — media 26.11/100 · mediana 17.14 · máx 100.0 · sacaron 0: 39% · pasaron de 50: 24% (n=284)
Cohorte2025 · Día 1 · Individual
ContratoFuente oficial revisada
Archivos producidossubmission.npz
Punto de entradaImágenes y mapas de densidad; comprobar la preparación con Chicken_Counting.ipynb.
Split de las referenciaspred_a se evalúa sobre validation y pred_b sobre test; el split de los números baseline/Comité sigue por verificar.
Evaluaciónmetrics.py consume submission.npz con pred_a y pred_b; cada array es (100, 1, 180, 320), real, finito y no negativo.
DependenciasNumPy y datasets para metrics.py; revisar el entorno de entrenamiento aparte.
Por verificararchivos a entregar, límite de entrega
Ejecución del grader verificada aquíNo verificada

Contrato del evaluador revisado, entrega en plataforma y tamaño por confirmar. Suma mapas para contar; usa exp(-mean(abs(1-pred/real))). Ratios no finitos se sustituyen por 1; si la media supera 100 devuelve 0.

Fuentes del contrato: fuente 1

Revisión documental: 2026-09-06.

Puntaje normalizado: Norm = (tuyo − baseline) / (Max − baseline) × 100 · baseline 0.71 · Comité Científico 0.89 (escala nativa de la métrica, 0–1). Son referencias del split declarado en el contrato, no un resultado transferible a cualquier validación. Max no es necesariamente el Comité. Consultar Formato IOAI y estrategia y Protocolo de simulacro antes de normalizar.

🔗 Enlaces


← IOAI 2025 · IOAI

0 artículos en esta carpeta.