output-validation

Umiejętność do lokalnej weryfikacji instrukcji i masek przed przekazaniem do systemu. Sprawdza poprawność formatu kluczy (przedział ramek), zakresy wartości, spójność liczby ramek w pliku NPZ oraz integralność struktury rzadkich macierzy CSR. Idealna dla zespołów przetwarzających wideo, które chcą szybko złapać błędy w danych wyjściowych bez konieczności porównywania z danymi referencyjnymi.

1. Przygotuj trzy pliki: wideo źródłowe, plik JSON z instrukcjami przedziałów ramek (klucze w formacie "start-end") oraz plik NPZ z maskami. Upewnij się, że struktura NPZ zawiera klucze dla każdej ramki w formacie f_{i}data, f{i}indices i f{i}_indptr.

2. Zainstaluj wymagane biblioteki: json, numpy i opencv-python (cv2). Umiejętność dostarcza szablon kodu w Pythonie — dostosuj ścieżki do swoich plików wideo, instrukcji i masek.

3. Uruchom skrypt walidacyjny. Kod automatycznie wczyta metadane wideo (liczbę ramek, wysokość, szerokość) i przeanalizuje strukturę plików wyjściowych.

4. Zweryfikuj format kluczy JSON — każdy klucz musi być parą liczb całkowitych oddzielonych myślnikiem, gdzie początek ≤ koniec, a wartości muszą być listami niepustych stringów z dozwolonych etykiet.

5. Sprawdź pokrycie ramek: maksymalny indeks ramki nie może przekroczyć liczby ramek w wideo minus jeden, a liczba ramek w NPZ musi odpowiadać liczbie próbkowanych ramek bez luk.

6. Potwierdź integralność CSR — każda ramka powinna mieć poprawną strukturę rzadkiej macierzy z indptr o długości H+1 (gdzie H to wysokość wideo) i wszystkimi indeksami w zakresie [0, W). Po przejściu wszystkich kontroli możesz bezpiecznie przekazać dane do dalszego przetwarzania.