تصنيف الصور: الفن الحقيقي مقابل الفن المُولد بالذكاء الاصطناعي

🖼️ تصنيف الصور: الفن الحقيقي مقابل الفن المُولد بالذكاء الاصطناعي

في هذه المسألة يجب أن تنفذوا نموذج تصنيف الصور قادر على التمييز بين صور الفن الحقيقي والصور المُولدة بواسطة الذكاء الاصطناعي.
مجموعة البيانات منظمة في مجلد يحتوي على الصور وملفات CSV، وسيتم تقييم أداء النموذج باستخدام F1-score.

---

🔹 مجموعة البيانات

تحتوي مجموعة البيانات على نوعين من الصور:

• RealArt – صور حقيقية (تصنيف 0)
• AIArt – صور مُولدة بواسطة نماذج الذكاء الاصطناعي (تصنيف 1)

هذه الصور متوفرة في مجلد images.

الملفات المرتبطة:

• train.csv – للتدريب
• test.csv – للتنبؤات

---

📁 هيكل ملفات CSV

train.csv

الأعمدة:

• SampleID – معرف رقمي فريد
• ImagePath – المسار إلى الصورة (مثال: images/img_000123.jpg)
• Label – 0 للفن الحقيقي، 1 للفن المُولد بالذكاء الاصطناعي

---

test.csv

الأعمدة:

• SampleID
• ImagePath

بدون تصنيفات — يجب التنبؤ بها من قبل النموذج.

---

🎯 هدف المسألة

يجب على النموذج أن يتعلم تصنيف كل صورة إلى إحدى الفئات التالية:

• 0 → فن حقيقي
• 1 → فن مُولد بالذكاء الاصطناعي

---

⚙️ معايير التقييم

يتم التقييم باستخدام F1-score على التنبؤات المرسلة لمجموعة الاختبار.

الصيغة:

---

📨 تنسيق ملف التسليم

يجب أن يحتوي ملف CSV على عمودين بالضبط:

العمود	النوع	الوصف
SampleID	integer	معرف الصورة من الاختبار
Label	integer	التنبؤ (0 أو 1)

🔹 مثال

SampleID	Label
101	0
102	1
103	1

---

📝 ملاحظة

• F1-score ≥ 0.85 → النتيجة القصوى
• F1-score < 0.5 → 0 نقطة
• باقي القيم يتم تدريجها بشكل متناسب

---

🌐 مصدر البيانات

لهذه المسألة يتم استخدام مجموعة بيانات عامة متوفرة على Kaggle.