{
  "fetched_at": "2026-10-19T07:11:30Z",
  "source_url": "https://www.kaggle.com/competitions/driving-segmentation-inclass-competition/data",
  "pages": [
    {
      "name": "data-description",
      "content": "# ファイルの説明\n- trainフォルダ -  訓練用データ\n- testフォルダ -  テスト用データ\n- config.json - ラベル情報\n- sample_submission.csv - 提出ファイルの見本\n\n# データの説明\n2分47秒(5000フレーム)の画像データで、時間順に番号が付けられています。前半3500フレームが訓練データ、後半1500フレームがテストデータになっています。\nまた、画像サイズは1920x1080です。\n\nラベル画像は、各ピクセルに0-12の範囲の整数が格納されています。\n\n# ラベル\nラベルの値はそれぞれ次の区分を表します。\n\n- 0 - unlabeled\n- 1 - vehicle\n- 2 - pedestrian\n- 3 - road\n- 4 - sidewalk\n- 5 - bicycle\n- 6 - motorcycle\n- 7 - building\n- 8 - terrain (horizontal vegetation)\n- 9 - vegetation (vertical vegetation)\n- 10 - pole\n- 11 - traffic light\n- 12 - traffic sign",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Description",
      "content": "# 課題\n本コンペでは車載カメラで撮影された街中の動画から、各ピクセルについて意味ラベルを付与するセグメンテーションを行ってもらいます。\n意味ラベルは、信号機や道路など全12クラスで構成されています。今回の課題は、全3500フレームの動画データから適切にセグメンテーションを行うモデルを作成することです。\n\n![](https://ieee-dataport.org/sites/default/files/styles/large/public/WX20200602-111755%402x.png?itok=5P9FcXZj)\n\n\n",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Evaluation",
      "content": "# 評価方法\nkagge inclassで設定できる評価指標である，IntersectionOverUnionObjectSegmentationBetaにて評価を行います。(β=1)\n(この指標の導出方法が分からないです...誰か知っている方がいたらDiscussionにて教えて頂けると助かります。）\n\n参考指標としては，mIoUが参考になると思います。\n$$ IoU(A,B) = \\frac{A \\cap B}{ A \\cup B}$$\n\n# RLE\n提出ファイルサイズを小さくするために、ピクセル値にランレングスエンコーディングを使用しています。よって、開始位置とランレングスを含む値のペアを提出することになります。例えば、「1 3」は、ピクセル1から始まり、合計3ピクセル（1,2,3）がマスクであることを意味します。\n\nコンペティションの形式は、スペースで区切られたペアのリストが必要です。例えば、'1 3 10 5' は、ピクセル 1,2,3,10,11,12,13,14 がマスクに含まれることを意味します。画素は上から下へ、そして左から右へと番号が振られ、1が画素（1,1）、2が画素（2,1）となっています。\n\n# 提出ファイルの形式\n提出ファイルとして、第一列がImageId、第二列がEncodedPixelsで構成されたcsvファイルを作成して下さい。\n\n以下は一例です。Dataタブにある\"sample_submission.csv\"にも見本の解答用ファイルをアップロードしています。\n```\nImageId, EncodedPixels\n003500_1, 1 1\n003500_2, 1 1\n003500_3, 1 1\n...\n```",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "rules",
      "content": "# １人１アカウント\n# コードの共有\nコードの共有は、基本的に禁止とします。しかし、基本的なアイデアをシェアする際や質問・解答時に必要な場合などに、kaggleのCode機能を用いてならば共有して頂いて問題ありません。\n\n# 外部データの利用について\n学習済みモデルの使用のみ可能とします。\nただし、すでに重みが公開されており、誰しもがアクセスできるものに限ります。\n\n# 投稿の制限\n１日に10回まで解答を提出出来ます。\n最終的な解答は2つまで選択できます。\n\n# チームによる参加\n当コンペはチームによる参加も可能です。\n\n# コンペの日程\n期間: 1週間\n\n開始日: 2021/12/16 19:00 \n終了日: 2021/12/23 09:00 ",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}