## NOAI2025 宫格图分类 ### 求解本题的参考用时：1小时-2小时 ### 一、题目概述本题旨在设计并训练一个具备强鲁棒性的深度神经网络模型，用于自动判别输入图像是否为“宫格图”。**宫格图是一种将多张图片或同一张大图的不同区域，通过创意拼贴的方式组合成统一“格子”效果的图像形式**。在社交媒体、交互设计和广告宣传等场景中，宫格图凭借其独特的排版和视觉冲击力，能够显著提升用户关注度、点击率和转化率。模型需要在多种拼接布局（如规则网格、自由拼贴等）、不同分辨率与压缩质量环境下，依然保持高精度与良好泛化能力。 ### 二、数据集数据集从互联网中收集，主要包含女装和美妆两个类目的商品展示图片。 - **正样本示例：** 输入图片是宫格图 | 示例图1 | 示例图2 | 示例图3 | 示例图4 | |--------|--------|--------|--------| |

| - **负样本示例**：输入图片不是宫格图 | 示例图1 | 示例图2 | 示例图3 | 示例图4 | |--------|--------|--------|--------| |

| 1. **训练集** （1）图片属性：RGB，尺寸 256×256 （2）样本量：1000 张（3）训练集的标签存储在train.csv中，格式如下：`[id, 类目（女装/美妆）]` （4）训练集地址为[训练集地址]()，存储在data文件夹中 2. **验证集和测试集** 验证集和测试集分别包含100张图片和400张图片，格式和尺寸与训练集一样。验证集和测试集不能直接访问，需要通过加密后的环境变量进行访问读取，具体可以参考[baseline.ipynb](https://www.bohrium.com/en/notebooks/31891812597)。 ### 三、任务要求本项目旨在建立一个能够区分宫格图和非宫格图的神经网络模型。选手使用 PyTorch 搭建模型并且选手可以自由设计网络结构、损失函数和优化器，最终的目的是区分图片是否是宫格图。 **提示：本题是一道无监督学习的题目，虽然train.csv中给出了类目，但是类目标号是区分"女装"或者"美妆"，而不是直接区分是否为宫格图，所以数据相当于没有给任何标签。选手需要使用计算机视觉中无监督学习的方法，使用训练集的数据让计算机自动区分宫格图；或者，如果时间充足，下载下来后，手动打标签再训练模型，也不失为一种可行的方案。** ### 四、提交内容选手需要提交一个"submission.ipynb"的notebook文件，文件中不需要包含训练过程的代码，文件可以输出一个名为"submission.zip"的zip文件，zip文件中应包含以下两个文件：（1）"submissionA.csv"：包含模型在验证集（validation_set）上的预测标签结果，每行一个 0 或 1，无表头；其中0代表非宫格图，1代表宫格图。（2）"submissionB.csv"：包含模型在测试集（testing_set）上的预测标签结果，每行一个 0 或 1，无表头。系统将读取 submission.zip，并根据预测结果与真实标签计算A榜和 B榜分数，其中A榜分数会在比赛过程中显示，方便选手调模型；B帮榜分数在比赛中不显示，作为最终评分。提交文件必须严格按照上述格式和命名，否则系统将无法正确读取。具体提交流程的代码也可参照[baseline.ipynb]()。 ### 五、评分标准评分规则为将选手提交的csv文件与 `ground_truth_labels` 进行比对，以确定网络结构的预测能力。具体评分标准使用准确率（Accuracy），即正确预测的样本数量除以总样本数量。