Autentificering af antikke billeder

Problembeskrivelse

Du har studeret Kunstig Intelligens i et stykke tid. En gammel ven af din far, en berømt arkæolog og kunstkritiker, har hørt om dette og har bedt dig om hjælp. Du skal designe en algoritme, der kan klassificere antikke malerier som enten autentiske stykker eller replikaer.

Da professionel autentificering er kostbar, har forskerholdet kun opnået autenticitetsmærkater for en lille del af malerierne. For størstedelen af prøverne forbliver autenticiteten ukendt. Det er kendt, at de digitale karakteristika ved malerierne udviser stærke strukturelle mønstre. Du har til opgave at bruge alle tilgængelige prøver - inklusive dem med ukendte mærkater - til at træne en klassificeringsmodel for autenticiteten af antikke malerier.

Datasæt

Datasættet består af et træningssæt, et valideringssæt og et testsæt, som hver indeholder 500 uafhængige prøver.

Træningssæt (training_set.csv)

• Den første kolonne repræsenterer maleriets ID (SampleID).
• De næste fem kolonner repræsenterer de digitale karakteristika for hvert antikke maleri (feature1, feature2, feature3, feature4, feature5, feature6).
• Den syvende kolonne (label) indeholder mærkatet: 1 for autentisk, -1 for replika og 0 for ukendt.

Træningssættet bruges til at træne modeller og kan tilgås og downloades direkte under konkurrencen.

Valideringssæt (validation_set.csv)

• Disse ligner formatet for træningssættet, men indeholder ikke mærkatkolonnen.

⚠️ Valideringssættet bruges til at beregne scoren for Rangliste A (offentlig) og var ikke direkte tilgængeligt under konkurrencen.

Testsæt (test_set.csv)

• Disse ligner formatet for træningssættet, men indeholder ikke mærkatkolonnen.

⚠️ Testsættet bruges til at beregne scoren for Rangliste B (privat) og var ikke direkte tilgængeligt under konkurrencen.

Opgave

Din opgave er at træne en passende model, der kan forudsige autenticiteten af malerier fra testsættene, på trods af det store antal umærkede prøver.

Indsendelse

Du skal generere en submission.csv fil, der vil have følgende format:

1SampleID, ClasamentType, label2VALIDATION_001, A, 13TEST_001, B, 1

hvor:

• SampleID repræsenterer maleriets id (leveret i validation_set.csv eller test_set.csv).
• ClasamentType vil have værdien A for malerier fra validation_set.csv og vil have værdien B for malerier fra test_set.csv.
• label er det forudsagte mærkat fra modellen.

Score

Evalueringsmetrikken vil være klassificeringsaccuracy, defineret som andelen af korrekt forudsagte prøver ud af det samlede antal evaluerede prøver.

Den endelige score beregnes baseret på den opnåede accuracy ved hjælp af følgende regler:

• accuracy ≥ 0.9 → 100 point
• accuracy ≤ 0.5 → 0 point
• For mellemliggende værdier tildeles proportional score mellem 0 og 100.