{
  "fetched_at": "2026-10-19T07:13:19Z",
  "source_url": "https://www.kaggle.com/competitions/2022-ai-tp-18011637/data",
  "pages": [
    {
      "name": "data-description",
      "content": "Files\n\nTrain_Images\n이진 분류 훈련을 위한 파일입니다. \nfish_trap -> 통발의 이미지\nremainer -> 타이어, 나무 등 다른 침적 쓰레기 이미지\n\nTest_Images\n테스트를 위한 이미지 파일입니다.\n통발, 타이어, 나무 등 여러 이미지들이 함께 있으며 3008개의 이미지들을 통발이면 1 나머지 침적 쓰레기라면 0으로 분류해 주시면 됩니다.\n\nsubmit.csv\n\n`index` - 이미지 이름\n`Target` - 이미지 예측(1 또는 0)\n\nBase_Line을 달성하기 위해 vgg를 사용했기 때문에 학습시간이 오래 걸립니다.",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Description",
      "content": "불법 낚시와 관련된 사회적 문제는 꾸준히 발생하고 있습니다. 그 중 불법 통발 낚시에 의한 피해는 예전부터 존재해왔습니다.\n해양 탐사 로봇이 해양 속을 탐사하며 보내는 침전 쓰레기 이미지 중에 통발이 유독 많은 곳은 불법으로 여러 통발을 사용하는 곳이라 짐작할 수 있습니다. 그 위치를 불법 통발 단속 구역으로 지정하거나 그곳의 감시를 더 주의 깊게 한다면 불법 통발 사용자를 검거할 수도 있을 것입니다.\n여러분의 역할은 해양 탐사 로봇이 보내는 수많은 해양 침적 쓰레기 이미지 중에 통발을 분류해내는 인공지능을 개발하는 것입니다.\n\n침적 쓰레기 이미지는 일반 카메라를 사용한 수중 촬영 이미지로 쓰레기의 종류는 크게 타이어, 통발, 어망, 나무, 로프로 구성이 되어있으며 여러 침전물이 동시에 있는 이미지 데이터 또한 존재합니다. 통발을 1로 두고 나머지 사진들을 0으로 분류를 수행하시면 되겠습니다.",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Evaluation",
      "content": " Categorization Accuracy로 이진 분류를 수행합니다.",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "rules",
      "content": "This is a page where you can include rules that participants must accept before joining. You may wish to include rules like:\n\n - Don't cheat!\n - Apply yourself!\n - Have fun!",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Random Seed",
      "content": "import random\nimport torch\n\nseed = 42\nrandom.seed(seed)\nnp.random.seed(seed)\ntorch.manual\\_seed(seed)\nif torch.cuda.is\\_available():\ntorch.cuda.manual\\_seed(seed)\ntorch.cuda.manual\\_seed\\_all(seed)\ntorch.backends.cudnn.benchmark = False\ntorch.backends.cudnn.deterministic = True",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}