Идентифициране на шахматни фигури

Идентифициране на шахматни фигури

Шахматът е известна стратегическа игра с вековна история, призната за своята сложност и високите изисквания за логическо мислене и планиране. Връзката между шахмата и изкуствения интелект е тясна: много алгоритми и техники за машинно обучение са разработени именно за създаване на агенти, способни да играят шахмат на високо ниво.

Исторически момент в този контекст беше през 1997 г., когато компютърът Deep Blue, разработен от IBM, победи световния шампион Гари Каспаров, демонстрирайки потенциала на компютрите в сложни стратегически игри.

🗂 Получени данни

Имате на разположение набор от данни, състоящ се от следните файлове:

📁 train.csv

Съдържа:

• id – уникален идентификатор (P00001, P00002 …)
• image_path – път към изображението
• label – тип на фигурата (bishop, knight, pawn, queen, rook)

📁 test.csv

Съдържа:

• id – уникален идентификатор
• image_path – път към изображението

Всички изображения са съхранени в директорията images/.

🎯 Работна задача

Постройте модел за класификация на изображения, който може да разграничава шахматни фигури (bishop, knight, pawn, queen, rook). Можете да използвате всяка модерна архитектура за дълбоко обучение: ResNet, EfficientNet, Vision Transformer, ConvNeXt и др., евентуално с fine-tuning на предварително обучени модели.

В края ще генерирате файл submission.csv с формата:

1id,label2P00081,queen3P00082,knight

📊 Оценяване

Метриката, използвана за оценяване на модела, е точността:

1accuracy = (брой_правилни_предсказания / общ_брой_предсказания)

🏅 Система за точкуване:

• accuracy ≥ 90% → 100 точки
• accuracy < 20% → 0 точки
• иначе → пропорционален резултат между 0 и 100