亚马逊2024机器学习竞赛图像特征提取数据集
数据来源：互联网公开数据
标签：图像处理,机器学习,特征提取,实体识别,电子商务,医疗,内容审核
数据概述：
本数据集用于亚马逊2024机器学习竞赛，目标是从产品图像中提取实体值。数据集包含训练集和测试集，每条记录包含图像链接、产品类别代码、实体名称和实体值（训练集中提供）。图像中包含产品的重要信息，如重量、体积、电压、功率、尺寸等，这些信息在数字市场中非常重要。
数据用途概述：
该数据集适用于图像处理、特征提取、实体识别等多种场景。研究人员可以利用此数据集训练机器学习模型，以提高从图像中提取关键信息的能力；电子商务平台可以利用这些信息优化产品描述和展示；医疗和内容审核领域也可以从中获益，实现更精准的产品信息提取。
举例：
训练集（train.csv）包含以下字段：
- index: 数据样本的唯一标识符。
- image_link: 图像的公共URL。
- group_id: 产品类别代码。
- entity_name: 产品实体名称，例如“item_weight”。
- entity_value: 产品实体值，例如“34 gram”。
测试集（test.csv）包含以下字段：
- index: 数据样本的唯一标识符。
- image_link: 图像的公共URL。
- group_id: 产品类别代码。
- entity_name: 产品实体名称。
输出格式：
- index: 数据样本的唯一标识符。
- prediction: 预测的实体值，格式为“x unit”，其中x为浮点数，unit为允许的单位，例如“2 gram”，“12.5 centimetre”，“2.56 ounce”。
示例：
训练集（train.csv）：
index,image_link,group_id,entity_name,entity_value
1,https://m.media-amazon.com/images/I/71XfHPR36-L.jpg,100,item_weight,34 gram
2,https://m.media-amazon.com/images/I/71XfHPR36-L.jpg,100,item_volume,1200 cubic centimetre
测试集（test.csv）：
index,image_link,group_id,entity_name
1,https://m.media-amazon.com/images/I/71XfHPR36-L.jpg,100,item_weight
2,https://m.media-amazon.com/images/I/71XfHPR36-L.jpg,100,item_volume
输出文件（test_out.csv）示例：
index,prediction
1,34 gram
2,1200 cubic centimetre
约束条件：
- 输出文件必须与sample_test_out.csv的格式完全一致。
- 使用src/sanity.py检查文件格式是否正确。
- 使用src/utils.py中的download_images函数下载图像。
- 使用src/constants.py中定义的允许单位。
评估标准：
- 提交结果将根据F1分数进行评估，F1分数是分类和提取问题的标准预测准确性度量。
- F1分数计算公式：2 * Precision * Recall / (Precision + Recall)
- Precision = True Positives / (True Positives + False Positives)
- Recall = True Positives / (True Positives + False Negatives)
提交文件：
- 上传一个与sample_test_out.csv格式完全一致的test_out.csv文件。
