¡Detecta a Papá Noel!

🎅 ¡Detecta a Papá Noel!

En la víspera de Navidad, el taller de Papá Noel está más ajetreado que nunca. Los elfos preparan regalos, los renos lustran sus cascabeles, y Papá Noel... aparece en miles de fotografías enviadas desde todo el mundo.

El problema es que no todas estas imágenes realmente capturan al verdadero Papá Noel. Algunas son disfraces, otras son figuritas, anuncios o personas disfrazadas. Para no entregar regalos equivocados, ¡Papá Noel necesita vuestra ayuda!

Vuestra tarea es construir un modelo de clasificación binaria de imágenes que decida si en una imagen aparece Papá Noel o no.

🎄 Conjunto de datos

El conjunto de datos representa un archivo que contiene imágenes organizadas en dos directorios junto con los archivos CSV train.csv y test.csv.

Existen dos clases:

• Santa – la imagen contiene a Papá Noel (label = 1)
• Not Santa – la imagen NO contiene a Papá Noel (label = 0)

📁 Estructura del dataset

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

📄 Estructura de los archivos CSV

train.csv

Contiene las imágenes utilizadas para el entrenamiento del modelo.

Columnas:

• image_path – ruta relativa hacia la imagen (ej: train/img_000123.jpg)
• label –
  • 1 → Papá Noel
  • 0 → No es Papá Noel

test.csv

Contiene las imágenes para las cuales se deben realizar predicciones.

Columnas:

• image_path – ruta relativa hacia la imagen

⚠️ El archivo NO contiene la columna label. Esta debe ser predicha por vuestro modelo.

🎯 Objetivo del problema

Para cada imagen del conjunto de prueba, vuestro modelo debe decidir:

• 1 → la imagen contiene a Papá Noel
• 0 → la imagen no contiene a Papá Noel

Los resultados serán comparados con las etiquetas reales mantenidas en secreto por los organizadores.

⚙️ Criterios de evaluación

El rendimiento de la solución será evaluado usando F1-score, una métrica de evaluación que combina precisión y exactitud, adecuada para problemas de clasificación binaria.

Fórmula:

📨 Formato del archivo de envío

Debéis enviar un archivo CSV con exactamente dos columnas, en el siguiente formato:

🔹 Ejemplo de envío

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

📝 Distribución del puntaje

• F1-score ≥ 0.95 → puntaje máximo 🎁
• F1-score < 0.70 → 0 puntos
• Para valores intermedios, el puntaje se escala proporcionalmente

❄️ Observaciones

• Los nombres de los archivos no contienen información sobre la clase
• El orden de las imágenes es aleatorio
• Cualquier método de aprendizaje automático está permitido
• El objetivo es entrenar al modelo para reconocer patrones visuales

🎅 ¡Papá Noel cuenta con vosotros!
¡Ayudadle a identificar las imágenes correctas y entregar los regalos a tiempo!