鉄鋼は現代において最も重要な建築材料の一つです。鉄鋼建造物は自然や人為的な損耗に耐えることができ、この材料は世界中に広く普及しています。鉄鋼生産をより効率的にするため、このコンペティションでは欠陥を特定するのに役立ちます。

セベルスタルは、効率的な鉄鋼採掘と生産の分野で主導的な役割を果たしています。彼らは、冶金学の未来には、産業の経済的、生態学的、社会的な側面にわたる開発が必要であると信じており、企業責任を真摯に受け止めています。同社は最近、これまで廃棄されていたペタバイト単位のデータを集め、国内最大の産業用データレイクを創設しました。セベルスタルは現在、機械学習を利用して自動化を改善し、効率を向上させ、生産品質を維持することを目指しています。

平板鋼の生産プロセスは特に繊細です。加熱、圧延、乾燥、切断など、出荷準備が整うまでにいくつもの機械が平板鋼に触れます。現在、セベルスタルは高周波カメラからの画像を利用して欠陥検出アルゴリズムを動作させています。

このコンペティションでは、鉄鋼板の表面欠陥を特定して分類することで、エンジニアがアルゴリズムを改善するのを支援します。

成功すれば、鉄鋼の製造基準を高く維持し、セベルスタルが革新を続けることを可能にし、私たちの周りの世界をより強固で効率的なものにするのに役立ちます。

このコンペティションでは、鉄鋼製造で見つかる欠陥の位置と種類を予測します。画像は一意のImageIdで名前が付けられています。テストセットの欠陥をセグメント化して分類する必要があります。

各画像には欠陥がない場合、単一クラスの欠陥がある場合、または複数クラスの欠陥がある場合があります。各画像について、各クラス（ClassId = [1, 2, 3, 4]）の欠陥をセグメント化する必要があります。

各欠陥クラスのセグメントは、画像上にいくつかの非連続的な欠陥位置がある場合でも、1行にエンコードされます。エンコード標準の詳細については、評価ページを参照してください。

このコンペティションへの提出は、Kernelsを通じて行う必要があります。公開テストセットに対する提出後、あなたのカーネルは公開および非公開（未公開）のテストセット全体に対して自動的に再実行されます。詳細については、Kernels要件ページを参照してください。

ファイル
       1、train_images/ - 学習用画像のフォルダ
      2、test_images/ - テスト用画像のフォルダ（これらの画像をセグメント化して分類します）
      3、train.csv - 欠陥のセグメントを提供する学習用アノテーション（ClassId = [1, 2, 3, 4]）
      4、sample_submission.csv - 正しい形式のサンプル提出ファイル；各ImageIdには4行あり、4つの欠陥クラスそれぞれに1行ずつです