Archiv der gezeichneten Wörter

✍️ Archiv der gezeichneten Wörter 🖼️

✨ Eine Herausforderung der visuellen Erkennung

In einer geheimen digitalen Bibliothek, bekannt als
Archiv der gezeichneten Wörter, werden Tausende von Bildern mit handgeschriebenen Wörtern aufbewahrt, jedes begleitet von einer kleinen Illustration, die seine Bedeutung andeutet.

Leider hat ein mysteriöser Glitch das Indexierungssystem beeinträchtigt, und die Etiketten vieler Bilder sind verloren gegangen.
Nun kann nur ein Meister des Computer Vision die Ordnung und den Sinn dieser Bilder wiederherstellen.

Jedes Bild enthält:

• ein handgeschriebenes Wort, mit schwarzer Tinte auf weißem Hintergrund
• eine kleine Illustration, die das Objekt oder Konzept dieses Wortes darstellt

Der Stil ist realistisch, sauber und klar, jedoch muss das Wort ausschließlich aus dem Bild erkannt werden.

🗂 Die erhaltenen Daten

Du hast folgende Dateien zur Verfügung:

📁 train.csv

Enthält etikettierte Beispiele für das Training:

• image_path – Pfad zum Bild
• label – das handgeschriebene Wort aus dem Bild
  Alle Bilder aus train.csv befinden sich im Verzeichnis output_dataset/train/.

📁 test.csv

Enthält:

• image_path – Pfad zum Bild

⚠️ Die Spalte label fehlt und muss von deinem Modell vorhergesagt werden.

Alle Bilder aus test.csv befinden sich im Verzeichnis output_dataset/test/.

🧠 Die Wörter, die das Modell erkennen muss

Dein Modell muss genau eines der folgenden 20 möglichen Wörter erkennen:

1apple, banana, cat, dog, elephant,2flower, house, moon, sun, tree,3violin, lion, kite, boat, star,4fish, pencil, cake, book, umbrella

Jedes Bild gehört zu einer einzigen Klasse.

🎯 Deine Aufgabe

Erstelle ein Bildklassifizierungsmodell, das für jedes Bild aus test.csv das handgeschriebene Wort korrekt vorhersagt.

📤 Format der Datei submission.csv

Am Ende wirst du eine Datei submission.csv mit folgender Struktur generieren:

1image_path,label2output_dataset/test/000001.png,banana3output_dataset/test/000002.png,cat4output_dataset/test/000003.png,tree

📊 Bewertung

Die Leistung des Modells wird anhand der Genauigkeit bewertet:

1accuracy = (anzahl_korrekte_vorhersagen / anzahl_gesamte_vorhersagen)

🏅 Punktesystem:

• accuracy ≥ 98% → 100 Punkte
• accuracy ≤ 20% → 0 Punkte
• andernfalls → lineare Skalierung zwischen 0 und 100

🏆 Werde zum Meister des Archivs der gezeichneten Wörter!

Jeder Buchstabe zählt. Jede Tintenlinie verbirgt eine Bedeutung.

Beweise, dass dein Modell sehen, verstehen und erkennen kann und bringe die Ordnung zurück in das Archiv der gezeichneten Wörter! ✨📚