Bildklassifizierung: Echte Kunst vs. KI-generierte Kunst

🖼️ Bildklassifizierung: Echte Kunst vs. KI-generierte Kunst

In diesem Problem müssen Sie ein Bildklassifizierungsmodell implementieren, das zwischen Bildern echter Kunst und von künstlicher Intelligenz generierten Bildern unterscheiden kann.
Der Datensatz ist in einem Verzeichnis mit Bildern und CSV-Dateien organisiert, und die Leistung des Modells wird mit dem F1-Score bewertet.

---

🔹 Der Datensatz

Der Datensatz enthält zwei Arten von Bildern:

• RealArt – echte Bilder (Label 0)
• AIArt – von KI-Modellen generierte Bilder (Label 1)

Diese Bilder sind im Verzeichnis images verfügbar.

Zugehörige Dateien:

• train.csv – für das Training
• test.csv – für Vorhersagen

---

📁 Struktur der CSV-Dateien

train.csv

Spalten:

• SampleID – eindeutige numerische Kennung
• ImagePath – Pfad zum Bild (z.B.: images/img_000123.jpg)
• Label – 0 für echte Kunst, 1 für KI-generierte Kunst

---

test.csv

Spalten:

• SampleID
• ImagePath

Ohne Labels — diese müssen vom Modell vorhergesagt werden.

---

🎯 Ziel des Problems

Das Modell muss lernen, jedes Bild in eine der folgenden Klassen zu klassifizieren:

• 0 → Echte Kunst
• 1 → KI-generierte Kunst

---

⚙️ Bewertungskriterien

Die Bewertung erfolgt mit dem F1-Score auf den eingereichten Vorhersagen für den Testdatensatz.

Formel:

---

📨 Format der Einreichungsdatei

Die CSV-Datei muss genau zwei Spalten enthalten:

Spalte	Typ	Beschreibung
SampleID	integer	ID des Bildes aus dem Test
Label	integer	Vorhersage (0 oder 1)

🔹 Beispiel

SampleID	Label
101	0
102	1
103	1

---

📝 Hinweis

• F1-Score ≥ 0.85 → maximale Punktzahl
• F1-Score < 0.5 → 0 Punkte
• Die restlichen Werte werden proportional skaliert

---

🌐 Datenherkunft

Für dieses Problem wird ein öffentlicher Datensatz verwendet, der auf Kaggle verfügbar ist.