Klassificering af billeder: Ægte kunst vs. AI-genereret kunst

🖼️ Klassificering af billeder: Ægte kunst vs. AI-genereret kunst

I dette problem skal du implementere en billedklassificeringsmodel, der er i stand til at skelne mellem billeder af ægte kunst og billeder genereret af kunstig intelligens.
Datasættet er organiseret i en mappe med billeder og CSV-filer, og modellens ydeevne vil blive evalueret ved hjælp af F1-score.

---

🔹 Datasættet

Datasættet indeholder to typer billeder:

• RealArt – ægte billeder (label 0)
• AIArt – billeder genereret af AI-modeller (label 1)

Disse billeder er tilgængelige i mappen images.

Tilknyttede filer:

• train.csv – til træning
• test.csv – til forudsigelser

---

📁 Struktur af CSV-filerne

train.csv

Kolonner:

• SampleID – unikt numerisk identifikator
• ImagePath – sti til billede (f.eks.: images/img_000123.jpg)
• Label – 0 for ægte kunst, 1 for AI-genereret kunst

---

test.csv

Kolonner:

• SampleID
• ImagePath

Uden etiketter — disse skal forudsiges af modellen.

---

🎯 Problemets formål

Modellen skal lære at klassificere hvert billede i en af følgende klasser:

• 0 → Ægte kunst
• 1 → AI-genereret kunst

---

⚙️ Evalueringskriterier

Evalueringen foretages ved hjælp af F1-score på de indsendte forudsigelser for testsættet.

Formlen:

---

📨 Format for indsendelsesfile

CSV-filen skal indeholde præcis to kolonner:

Kolonne	Type	Beskrivelse
SampleID	integer	Billedets ID fra test
Label	integer	Forudsigelse (0 eller 1)

🔹 Eksempel

SampleID	Label
101	0
102	1
103	1

---

📝 Bemærkning

• F1-score ≥ 0.85 → maksimal score
• F1-score < 0.5 → 0 point
• Resten af værdierne skaleres proportionalt

---

🌐 Dataenes oprindelse

Til dette problem bruges et offentligt datasæt tilgængeligt på Kaggle.