{
  "fetched_at": "2026-10-19T08:17:01Z",
  "source_url": "https://www.kaggle.com/competitions/digix-smu/data",
  "pages": [
    {
      "name": "data-description",
      "content": "# 数据集描述\n在本次竞赛中，您将预测钢铁制造发现的缺陷的类型。图像使用唯一的ImageId和ClassID，您必须对测试集中的缺陷进行分类。\n\n每个图像可以没有缺陷或者单个类别的缺陷，每个缺陷类别将被编码为一个数字标签，对于每个图像，您必须对每个类别的缺陷进行分类ClassId = [1, 2, 3, 4]\n\n本次比赛的提交必须通过 Kernels 进行。在你针对 Public 测试集提交后，你的内核将自动针对整个 Public 和 Private （unseen） 测试集重新运行。有关更多信息，请参阅内核要求页面。\n\n# 文件\ntrain_images/ - 训练图像文件夹\ntest_images/ - 测试图像的文件夹（您正在对这些图像进行分类）\ntrain.csv - 为缺陷标注的训练注释 （ClassId = [1, 2, 3, 4])\nsample_submission.csv - 提交文件示例(示例ClassId不做参考，请按照模型分类结果提交);",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Evaluation",
      "content": "## 评估 \n\n本次比赛的评估指标为宏观 F1 分数（Macro F1-score）。宏观 F1 分数是对每个类别的 F1 分数取平均值，不考虑类别样本的数量。它对所有类别一视同仁，F1 分数是精确率（Precision）和召回率（Recall）的调和平均数，公式如下：\n\n$$\nF1=\\frac{2TP}{2TP+FP+FN}=\\frac{2(Recall*Precision)}{Recall+Precission}\n$$\n- TP 表示真正例的数量  (正确预测为正类的样本数),\n- FP 表示假正例的数量  (错误预测为正类的负类样本数),\n- FN 表示假负例的数量  (错误预测为负类的正类样本数).\n最终的宏观 F1 分数是所有类别 F1 分数的平均值，不考虑每个类别中样本数量的差异。\n\n## 文件格式 \n您的提交文件应为 CSV 格式，带有标题和列名称：ImageId 和 ClassId。提交中的每一行表示给定图像和预测的分类。每个图像的预测结果为数字标签。ImageId 和 ClassId 列应按以下格式填写：\n\n| ImageID       | ClassID |\n| ------------- | ------- |\n| 0934b8bff.jpg | 1       |\n| 5994c3b58.jpg | 1       |\n| ec52fac2d.jpg | 3       |\n\n请确保每个图像的预测类别与您的模型输出一致。",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "rules",
      "content": "##  1. 每个参与者一个帐户\n所有参赛者必须使用 合法的 Kaggle 帐户。每个参赛者只能使用一个唯一的 Kaggle 帐户进行提交。禁止从多个帐户提交。\n##  2. 三人一队\n每个团队最多由**三人**组成。参赛者在加入团队前必须先注册参加比赛，所有团队成员都必须有自己的 Kaggle 帐户。\n##  3. 禁止团队外部的私人共享\n不允许私下与团队以外的人共享代码或数据。代码可以在 Kaggle 论坛上公开分享，且必须对所有参与者可见，否则将被视为违规行为。\n##  4. 提交限制\n每个团队每天最多可以提交 10 次，比赛期间最多可以选择 2 个最终提交进行评审。\n##  5. 比赛时间表\n开始日期：2024 年 9 月 7 日\n最终提交截止日期：2024 年 10 月 6 日\n##  6. 获奖排名\n提交内容将根据预定的评估指标进行评分，公共排行榜将基于全部测试集排名。比赛结束后，最终获胜者将根据最后封榜的成绩评定。\n##  7. 数据使用规则\n比赛数据集仅用于比赛目的，不得用于任何其他用途。参赛者不得共享比赛数据，除非数据已公开用于 Kaggle 论坛上的讨论。\n##  8. 外部数据的使用\n参赛者可以使用外部数据开发和测试模型，但外部数据必须免费公开并且对所有参赛者可用，且参赛者需在比赛论坛上公开该外部数据的来源。\n##  9. 责任与许可\n所有参赛者必须保证提交内容为原创，且不侵犯任何第三方的权利。参赛者在比赛中的提交内容可能被用于教育和非商业研究目的。",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "abstract",
      "content": "# 比赛目的：\n本次校内算法竞赛主要为热爱人工智能技术提供一个实践和应用的平台，鼓励大家提升算法创新能力和解决实际问题的能力。本次比赛的主要目标是帮助学生锻炼团队合作、创新思维，以及竞赛意识，通过比赛提升同学们的学习能力和技术应用水平。\n# 比赛规则：\n参赛队伍：每支参赛队伍由**三名**学生 组成，且每个参赛者必须有一个合法的 Kaggle 账户。\n任务设置：本次比赛以公开数据集为基础，鼓励参赛者设计新的任务形式，并进行探索性的算法创新。所选数据集为 Severstal: Steel Defect Detection，参赛任务为四分类任务，需根据不同的钢材表面缺陷类别进行分类。\n# 提交与评测：\n每个团队每天最多可以提交10次，最终评审选择最多 2 个提交，这些提交将计入您的最终成绩分数。如果选择的 2 个少于 2 个，则 Kaggle将自动从您的最佳评分提交中进行选择。\n比赛使用 Kaggle 的排行榜系统，实时更新队伍排名。\n禁止外部私人共享：参赛队伍之间不得私下共享代码或数据，所有代码共享须公开于比赛平台论坛。\n# 比赛时间：\n开始日期：2024年9月7日\n结束日期：2024年10月6日\n注意事项：本次比赛为 学习性质，数据集仅用于本校内赛，所有提交内容和数据处理应遵守平台规则。",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}