Класификация на изображения: Истинско изкуство срещу изкуство, генерирано от AI

🖼️ Класификация на изображения: Истинско изкуство срещу изкуство, генерирано от AI

В тази задача трябва да имплементирате модел за класификация на изображения, способен да прави разлика между изображения на истинско изкуство и изображения, генерирани от изкуствен интелект.
Наборът от данни е организиран в директория с изображения и CSV файлове, а производителността на модела ще бъде оценена чрез F1-score.

---

🔹 Набор от данни

Наборът от данни съдържа два типа изображения:

• RealArt – истински изображения (етикет 0)
• AIArt – изображения, генерирани от AI модели (етикет 1)

Тези изображения са достъпни в директорията images.

Свързани файлове:

• train.csv – за обучение
• test.csv – за прогнози

---

📁 Структура на CSV файловете

train.csv

Колони:

• SampleID – уникален числов идентификатор
• ImagePath – път към изображението (напр.: images/img_000123.jpg)
• Label – 0 за истинско изкуство, 1 за изкуство, генерирано от AI

---

test.csv

Колони:

• SampleID
• ImagePath

Без етикети — те трябва да бъдат предсказани от модела.

---

🎯 Цел на задачата

Моделът трябва да научи да класифицира всяко изображение в един от следните класове:

• 0 → Истинско изкуство
• 1 → Изкуство, генерирано от AI

---

⚙️ Критерии за оценка

Оценката се прави чрез F1-score върху прогнозите, изпратени за тестовия набор.

Формула:

---

📨 Формат на файла за подаване

CSV файлът трябва да съдържа точно две колони:

Колона	Тип	Описание
SampleID	integer	ID на изображението от теста
Label	integer	Прогнозата (0 или 1)

🔹 Пример

SampleID	Label
101	0
102	1
103	1

---

📝 Забележка

• F1-score ≥ 0.85 → максимален резултат
• F1-score < 0.5 → 0 точки
• Останалите стойности се мащабират пропорционално

---

🌐 Произход на данните

За тази задача се използва публичен набор от данни, достъпен в Kaggle.