今週のKaggle-Tue：Severstal : Steel Defect Detection
（過去のコンペ）：鋼板表面の欠陥検出：欠陥が存在する場所を検出し、検出した欠陥を分類することを目的とするもの。
＊欠陥領域のマスク作成：
・train.csvファイルに、'EncodedPixel'として、欠陥領域の上端を示すスタートピクセルの位置と、1ピクセル幅で、欠陥の下端までのピクセルの数の、2つの数値が、スペースを区切り記号として、交互に並んでいる。
・スタートピクセルの位置は、画面の左上から、下方向に数え始め、画面の右下が最終ピクセル数（409600）となる。
・画像は、縦256ピクセル、横1600ピクセルである。256x1600＝409600
＜以下は、検討中＞
・train.csvをpandasで読み込む。
train = pd.read_csv('../input/train.csv')
・その表の、'EncodedPixel' 列の i 行目の要素を読み込む。
defect = train['EncodedPixels'].iloc[i]
・空白で区切られた（つながっている）文字列を分離して。分離された整数列を、配列に入れる。
defect_array = np.asarray([int(x) for x in defect.split()])
・その配列は、整数型のスタートピクセル値とピクセル長が交互に並んでいるので、最初の数値をstartに、2番目の数値をlengthに入れる。
start = array[0: :2]
length = array[1: :2]
・GitHubに、マスクの作成に関するコードがある。
https://github.com/catalyst-team/mlcomp/blob/master/mlcomp/contrib/transform/rle.py
・明日は、これをじっくり見てみよう。
・それと、やはり、Kaggleコンペサイトのnotebooksとそれに関する質疑やDiscussionを読むのは重要だと思う。自分に近いレベルの人の質問や、やりとりが役に立つ。レベルが高すぎでわからないことの方が多いけれども、何をすればよいのかは、だんだんわかってくるような気がしている。
・あと、私がKaggleの中でフォローしているグランドマスターの方は、とにかく、きれいなコードを書いておられるので、意味が分からなくても、写経を繰り返して、自分のものにしたいと思っている。
つづく
