<h3>Задача</h3>

Вам нужно разработать алгоритм, который способен распознать рукописный текст в школьных тетрадях. В качестве входных данных вам будут предоставлены фотографии целых листов. Предсказание модели &mdash; список распознанных строк с координатами полигонов и получившимся текстом.

Мы видим итоговый алгоритм как последовательность двух моделей: сегментации и распознавания. Сначала сегментационная модель предсказывает полигоны маски каждого слова на фото. Затем эти слова вырезаются из изображения по контуру маски (получаются кропы на каждое слово) и подаются в модель распознавания. В итоге получается список распознанных слов с их координатами.

При работе с предоставленными данными поcтарайтесь глубже погрузиться в них и попробовать различные аугментации. Но самое главное: подружите вместе две отдельных модели сегментации и распознавания, для получения качественной и эффективной общей системы.

<h3>Формат решений</h3>

Содержимое контейнера 
В проверяющую систему необходимо отправить код алгоритма, запакованный в ZIP-архив. Решения запускаются в изолированном окружении при помощи Docker. Время и ресурсы во время тестирования ограничены. 
В корне архива обязательно должен быть файл metadata.json со структурой:

<pre>
<code class="language-bash">{
 "image": "&lt;docker image&gt;",
 "entry_point": "&lt;entry point or sh script&gt;"
}</code></pre>

Например:

<pre>
<code class="language-bash">{
 "image": "skalinin1/baseline-ocr-segm:latest",
 "entry_point": "python run.py"
}</code></pre>

Здесь image &ndash; поле с названием docker-образа, в котором будет запускаться решение, entry_point &ndash; команда, при помощи которой запускается скрипт инференса. Решение запускается в Docker контейнере. Вы можете воспользоваться готовым образом &quot;skalinin1/baseline-ocr-segm:latest&quot; (создан на основе Dockerfile и requirements.txt, которые находятся в репозитории). При желании вы можете использовать свой образ, выложив его на https://hub.docker.com.

<h3>Структура данных</h3>

В контейнер помещается папка images, в которой находятся изображения, на которых необходимо сделать предсказания. Модель должна сформировать файл предсказания формата json, который содержит предсказания для каждого изображения из папки images. Пример содержимого json файла, который должен быть сгенерирован:

<pre>
<code class="language-bash">{
"img_0.jpg": {
 "predictions": [
 {
 "polygon": [
 [0, 0],
 [0, 1],
 [1, 0],
 [1, 1]
 ],
 "text": "test"
 }
 ]
 }
 "img_1.jpg": {
 "predictions": [
 ...
 ]
 }
}</code></pre>

 
Пути к данным для изображений (полный путь к папке images) и путь, куда необходимо сохранить результат (файл формата .json) передаются как первые два аргумента при запуске вашего решения. Их можно считать с помощью sys.argv[1:].

<h3>Пример решения</h3>

Вам доступен архив sample_submission.zip, в котором содержатся примеры загружаемого решения. В архиве вы найдете следующие файлы:

<ul>
<li>metadata.json - обязательный файл для каждого решения; в нём должны быть указаны пути к образу и скрипту выполнения модели</li>
<li>run.py - основной скрипт для инференса модели</li>
<li>segm-model_final.pth и ocr-model-last.ckpt - веса моделей сегментации и OCR, которые подгружаются во время исполнения скрипта run.py</li>
</ul>

Для корректной проверки ваш сабмит должен иметь аналогичную структуру.

Доступные ресурсы

<ul>
<li>8 ядер CPU</li>
<li>48Gb RAM</li>
<li>Видеокарта NVidia Tesla V100</li>
</ul>

Ограничения:

<ul>
<li>5Gb на архив с решением</li>
<li>25 минут на работу решения</li>
</ul>

<h3> 
Метрика</h3>

Метрика качества оценки решений определена в скрипте <code>evaluate.py</code> и представляет собой расчет CER для OCR-модели из пайплайна. По сути вы предсказываете для каждого изображения список - координаты и перевод найденных слов. Так как текст распознается на предсказанных моделью полигонах, чтобы понять с каким текстом сравнивать предсказанный моделью, нужно соотнести предсказанные полигоны с ground truth полигонами.

Скрипт evaluate.py для каждого gt-полигона из тетради ищет соответствующий ему предсказанный полигон. Из предсказанных полигонов выбирается тот, который имеет наибольшее пересечение по IoU с gt-полигоном (при этом IoU должно быть больше нуля). Таким образом gt-текст из данного полигона соотносится с предсказанным текстом. Это true positive предсказания.

False negative случаи: если для gt-полигона не был сопоставлен предсказанный полигон, то предсказанный текст для такого полигона устанавливается как пустой <code>&quot;&quot;</code> (т.к. пайплайн не предсказал текст там, где он должен быть).

Для всех false positive предсказанных полигонов (т.е. тех, для которых отсутствуют gt-полигоны) gt-текст устанавливается как пустой <code>&quot;&quot;</code> (т.к. пайплайн предсказал текст там, где его нет).

CER считается по следующей формуле:

$$CER = \frac{\sum\limits_{i=1}^n dist_c (pred_i, true_i)}{\sum\limits_{i=1}^n len_c (true_i)}$$

Здесь $dist_c$ - это расстояние Левенштейна, посчитанное для токенов-символов (включая пробелы), $len_c$ - длина строки в символах. 
Метрика CER изменяется от 0 до 1, где 0 &ndash; наилучшее значение, 1 - наихудшее.

 
IoU &ndash; это метрика, которая оценивает степень пересечения между двумя масками (предсказанной и правильной). Она вычисляется как отношение площади пересечения к площади объединения этих двух масок: 
$$IoU&nbsp;= \frac{Intersection}{Union}$$

<h3>Baseline</h3>

Вам доступно базовое решение от разработчиков задачи.&nbsp;Все необходимые данные лежат в архиве <code>data.zip</code>. 
В файле <code>baseline.ipynb</code> представлен подход разработчиков задачи к объединению моделей сегментации и распознавания текста. Данный алгоритм не содержит обучение, только объединение 2 уже обученных моделей. Для обучения моделей можно воспользоваться бейзлайнами из первых двух частей олимпиады, в них содержится полный пайплайн обучения (файлы <code>baseline_segmentation.ipynb</code> и <code>baseline_recognition.ipynb</code>)Для запуска бейзлайна скачайте данные для обучения, должна получиться следующая структура:

<ul>
<li>baseline.ipynb (основной бейзлайн для текущего хакатона - объединение двух моделей)</li>
<li>segm-model_final.pth (веса модели сегментации)</li>
<li>ocr-model-last.ckpt (веса модели детекции)</li>
<li>baseline_segmentation.ipynb (бейзлайн из 1-ой части олимпиады)</li>
<li>baseline_recognition.ipynb (бейзлайн из 2-ой части олимпиады)</li>
<li>train_segmentation
<ul>
<li>images</li>
<li>annotations.json</li>
<li>annotations_extended.json</li>
<li>binary.npz</li>
</ul>
</li>
<li>train_recognition
<ul>
<li>images</li>
<li>labels.csv</li>
</ul>
</li>
</ul>

Файл <code>baseline_segmentation.ipynb</code> содержит базовое решение для модели сегментации текста. Для запуска модели скачайте данные для обучения и положите их в папку <code>train_segmentation</code>.&nbsp; 
Файл <code>baseline_recognition.ipynb</code> содержит базовое решение для модели распознавания текста. Для запуска модели скачайте данные для обучения и положите их в папку <code>train_recognition</code>.&nbsp;

&nbsp;

В дополнительных материалах вы можете найти ссылки на первый и второй этапы олимпиады с подробным описанием задач.

&nbsp;

<h3>Полезные материалы</h3>

<ul>
<li><a href="https://youtu.be/mlm2xAg-JpY" rel="noopener noreferrer" target="_blank">Разбор базового решения для модели сегментации</a></li>
<li><a href="https://youtu.be/X7hu8vMM1-s" rel="noopener noreferrer" target="_blank">Разбор базового решения для модели распознавания</a></li>
<li><a href="https://youtu.be/KwVfwnlzLpE" rel="noopener noreferrer" target="_blank">Как собрать докер на примере задачи сегментации</a></li>
<li><a href="https://stepik.org/course/104214" rel="noopener noreferrer" target="_blank">Образовательный интенсив</a> от Академии искусственного интеллекта для школьников и Практик будущего</li>
<li><a href="https://ods.ai/tracks/ai-nto-track/competitions/ai-nto-task1" rel="noopener noreferrer" target="_blank">Задача 1</a>&nbsp;(второй этап Национальной технической олимпиады)</li>
<li><a href="https://ods.ai/tracks/ai-nto-track/competitions/ai-nto-task2" rel="noopener noreferrer" target="_blank">Задача 2</a>&nbsp;(второй этап Национальной технической олимпиады)</li>
</ul>

Распознавание рукописного текста в школьных тетрадях

Public

Private

User agreement

Я прочитал(-а) и согласен(-на) с <a href="https://storage.yandexcloud.net/datasouls-ods/NTO2021/UserAgreement.pdf" rel="noopener noreferrer" target="_blank">Пользовательским соглашением и Политикой конфиденциальности</a>

Personal data

Я даю свое <a href="https://storage.yandexcloud.net/datasouls-ods/NTO2021/PersonalData.pdf" rel="noopener noreferrer" target="_blank">согласие</a> ООО &ldquo;Соревнования Анализа Данных&rdquo; на обработку и передачу моих персональных данных партнерам мероприятия для информационного взаимодействия

Contest Rules

Согласен (-на) с <a href="https://storage.yandexcloud.net/ds-events/ai-academy2022/Notebook_recognition_Competition_Rules.pdf" rel="noopener noreferrer" target="_blank">Правилами Конкурса</a>

Соревнование организовано в рамках проекта &quot;Академия скусственного интеллекта для школьников&quot; и открыто для всех желающих, кому на момент регистрации еще не исполнилось 18 лет.

Задача разработана SberAI.

email

Email

first_name

First name

last_name

Last name

middle_name

Middle name

is_underage

Underage

legal_representative_first_name

Legal representative First name

legal_representative_last_name

Legal representative Last name

legal_representative_middle_name

Legal representative Middle name

legal_representative_email

Legal representative Email

Регистрационная форма на соревнование AI-Academy Contest

#	Teams (47)	Custom CER	Last	Entries
1	cene655	0.1382241422	3y	24
2	изи 2 мака	0.1452196093	3y	19
3	Андрей Кузнецов	0.1510975371	3y	41
4	Gerasimov Maxim	0.1516129786	3y	30
5	werserk	0.1610550831	3y	11
6	Ilia Kuleshov	0.1619839339	3y	5
7	deus toefL brah	0.1634572006	3y	26
8	Sergey Volnov	0.1644887913	3y	7
9	Dmitriy Kutsenko	0.1863870756	3y	21
10	Vladimir Vorobev	0.2018768636	3y	18
11	Misha Murzaev	0.2140121298	3y	8
12	Infin	0.2158043163	3y	12
13	Timofei Silaev	0.2190125153	3y	9
14	Pavel Ilin	0.21939244	3y	14
15	Nikita Romanov	0.2194668781	3y	3
16	Shaleen Bhartiya	0.2212027667	3y	14
17	Valery Tamrazov	0.2380402044	3y	2
18	Aleksandr Shteinman	0.2403809508	3y	6
19	Viakhirev Ivan	0.2456938145	3y	19
20	Vladimir Melnikov	0.300435919	3y	7
21	Aleksandr Boldyrev	0.3005796458	3y	11
22	Team data has been deleted	0.3036798712	3y	7
23	Andrew Teplov	0.3347427534	3y	11
24	cspdarknet53	0.3495731143	3y	3
25	Danil Fedorov	0.3597746881	3y	1
26	Creative Pixel	0.3851313783	3y	18
27	p parker	0.4406881828	3y	2
28	Edward Fio	0.5452520461	3y	4
29	Kyle Cherry	0.5612946516	3y	2
30	Semyon Kolodkin	0.5687874504	3y	4
31	Egor Yakovlev	0.6777474356	3y	1
32	Daniil Zinovev	0.6917497064	3y	7
33	Lidiia Davydova	0.7374898314	3y	3
34	Dmitriy Shalanov	0.7419533134	3y	1
35	Ошибся	0.7816996172	3y	2
36	Kirill Cymbaliuk	0.7865609363	3y	3
37	Andrei Kozodoi	0.7891795052	3y	3
38	ушел плавать с дельфинами	0.7957478226	3y	5
OOC	OOC Narek Maloyan	0.8005384731	3y	6
39	Anshuman Tekriwal	0.8005384731	3y	5
40	Timofey Plotnikov	0.8005384731	3y	1
41	Mihail Yasnov	0.8005384731	3y	1
42	Konstantin Krasov	0.8005384731	3y	1
43	Egor Varavka	0.8005384731	3y	1
44	Daria Fidlobabovich	0.8521015061	3y	2
45	Daniyar Amadaliev	1.642734726	3y	5
46	Nikita Konovalov	1.6840778717	3y	4