Erkenne den Weihnachtsmann!

🎅 Erkenne den Weihnachtsmann!

Am Heiligabend ist die Werkstatt des Weihnachtsmanns geschäftiger denn je. Die Elfen bereiten Geschenke vor, die Rentiere polieren ihre Glöckchen, und der Weihnachtsmann... erscheint in tausenden von Fotos, die aus aller Welt geschickt werden.

Das Problem ist, dass nicht alle diese Bilder wirklich den echten Weihnachtsmann zeigen. Einige sind Kostüme, andere sind Figuren, Werbung oder verkleidete Menschen. Um nicht die falschen Geschenke zu liefern, braucht der Weihnachtsmann eure Hilfe!

Eure Aufgabe ist es, ein binäres Bildklassifikationsmodell zu erstellen, das entscheidet, ob in einem Bild der Weihnachtsmann erscheint oder nicht.

🎄 Der Datensatz

Der Datensatz stellt ein Archiv dar, das Bilder enthält, die in zwei Verzeichnissen organisiert sind, zusammen mit den CSV-Dateien train.csv und test.csv.

Es gibt zwei Klassen:

• Santa – das Bild enthält den Weihnachtsmann (label = 1)
• Not Santa – das Bild enthält NICHT den Weihnachtsmann (label = 0)

📁 Struktur des Datensatzes

1dataset/2├── train/3│ ├── img_000001.jpg4│ ├── img_000002.jpg5│ └── ...6├── test/7│ ├── img_001234.jpg8│ ├── img_001235.jpg9│ └── ...10├── train.csv11└── test.csv

📄 Struktur der CSV-Dateien

train.csv

Enthält die Bilder, die für das Training des Modells verwendet werden.

Spalten:

• image_path – relativer Pfad zum Bild (z.B.: train/img_000123.jpg)
• label –
  • 1 → Weihnachtsmann
  • 0 → Ist nicht der Weihnachtsmann

test.csv

Enthält die Bilder, für die Vorhersagen gemacht werden müssen.

Spalten:

• image_path – relativer Pfad zum Bild

⚠️ Die Datei enthält NICHT die Spalte label. Diese muss von eurem Modell vorhergesagt werden.

🎯 Ziel der Aufgabe

Für jedes Bild aus dem Testset muss euer Modell entscheiden:

• 1 → das Bild enthält den Weihnachtsmann
• 0 → das Bild enthält nicht den Weihnachtsmann

Die Ergebnisse werden mit den echten Etiketten verglichen, die von den Organisatoren geheim gehalten werden.

⚙️ Bewertungskriterien

Die Leistung der Lösung wird mit dem F1-Score bewertet, einer Bewertungsmetrik, die Präzision und Genauigkeit kombiniert und für binäre Klassifikationsprobleme geeignet ist.

Formel:

📨 Format der Einreichungsdatei

Ihr müsst eine CSV-Datei mit genau zwei Spalten im folgenden Format einreichen:

🔹 Beispiel einer Einreichung

1image_path,label2test/img_001234.jpg,13test/img_001235.jpg,04test/img_001236.jpg,1

📝 Punkteverteilung

• F1-score ≥ 0.95 → maximale Punktzahl 🎁
• F1-score < 0.70 → 0 Punkte
• Für Zwischenwerte wird die Punktzahl proportional skaliert

❄️ Hinweise

• Die Dateinamen enthalten keine Informationen über die Klasse
• Die Reihenfolge der Bilder ist zufällig
• Jede Methode des maschinellen Lernens ist erlaubt
• Das Ziel ist es, dass das Modell lernt, visuelle Muster zu erkennen

🎅 Der Weihnachtsmann verlässt sich auf euch!
Helft ihm, die richtigen Bilder zu identifizieren und die Geschenke rechtzeitig zu liefern!