Clasificación de imágenes: Arte real vs. arte generado por IA

🖼️ Clasificación de imágenes: Arte real vs. arte generado por IA

En este problema debes implementar un modelo de clasificación de imágenes capaz de distinguir entre imágenes de arte real e imágenes generadas por inteligencia artificial.
El conjunto de datos está organizado en un directorio con imágenes y archivos CSV, y el rendimiento del modelo será evaluado usando F1-score.

---

🔹 El conjunto de datos

El conjunto de datos contiene dos tipos de imágenes:

• RealArt – imágenes reales (etiqueta 0)
• AIArt – imágenes generadas por modelos de IA (etiqueta 1)

Estas imágenes están disponibles en el directorio images.

Archivos asociados:

• train.csv – para entrenamiento
• test.csv – para predicciones

---

📁 Estructura de los archivos CSV

train.csv

Columnas:

• SampleID – identificador numérico único
• ImagePath – ruta hacia la imagen (ej: images/img_000123.jpg)
• Label – 0 para arte real, 1 para arte generado por IA

---

test.csv

Columnas:

• SampleID
• ImagePath

Sin etiquetas — estas deben ser predichas por el modelo.

---

🎯 Objetivo del problema

El modelo debe aprender a clasificar cada imagen en una de las siguientes clases:

• 0 → Arte real
• 1 → Arte generado por IA

---

⚙️ Criterios de evaluación

La evaluación se realiza usando F1-score sobre las predicciones enviadas para el conjunto de test.

Fórmula:

---

📨 Formato del archivo de envío

El archivo CSV debe contener exactamente dos columnas:

Columna	Tipo	Descripción
SampleID	integer	ID de la imagen del test
Label	integer	Predicción (0 o 1)

🔹 Ejemplo

SampleID	Label
101	0
102	1
103	1

---

📝 Nota

• F1-score ≥ 0.85 → puntuación máxima
• F1-score < 0.5 → 0 puntos
• El resto de valores se escalan proporcionalmente

---

🌐 Procedencia de los datos

Para este problema se utiliza un conjunto de datos público disponible en Kaggle.