Shakkinappuloiden tunnistaminen

Šakkinappuloiden tunnistaminen

Šakki on kuuluisa strateginen peli, jolla on vuosisatainen historia, ja se tunnetaan monimutkaisuudestaan sekä korkeista loogisen ajattelun ja suunnittelun vaatimuksistaan. Šakin ja tekoälyn välinen yhteys on kiinteä: monia algoritmeja ja koneoppimisen tekniikoita on kehitetty juuri luomaan agentteja, jotka kykenevät pelaamaan šakkia korkealla tasolla.

Historiallinen hetki tässä yhteydessä oli vuonna 1997, kun IBM:n kehittämä Deep Blue -tietokone voitti maailmanmestari Garry Kasparovin, osoittaen tietokoneiden potentiaalin monimutkaisissa strategisissa peleissä.

🗂 Saadut tiedot

Käytössäsi on tietojoukko, joka koostuu seuraavista tiedostoista:

📁 train.csv

Sisältää:

• id – yksilöllinen tunniste (P00001, P00002 …)
• image_path – polku kuvaan
• label – nappulan tyyppi (bishop, knight, pawn, queen, rook)

📁 test.csv

Sisältää:

• id – yksilöllinen tunniste
• image_path – polku kuvaan

Kaikki kuvat on tallennettu images/-hakemistoon.

🎯 Työtehtävä

Rakenna kuvien luokittelumalli, joka osaa erottaa šakkinappulat (bishop, knight, pawn, queen, rook). Voit käyttää mitä tahansa modernia syväoppimisen arkkitehtuuria: ResNet, EfficientNet, Vision Transformer, ConvNeXt jne., mahdollisesti fine-tuning-menetelmällä esikoulutetuilla malleilla.

Lopuksi luot submission.csv-tiedoston muodossa:

1id,label2P00081,queen3P00082,knight

📊 Arviointi

Mallin arvioinnissa käytetty mittari on tarkkuus:

1accuracy = (oikeiden_ennusteiden_määrä / ennusteiden_kokonaismäärä)

🏅 Pisteytysjärjestelmä:

• accuracy ≥ 90% → 100 pistettä
• accuracy < 20% → 0 pistettä
• muutoin → suhteellinen pistemäärä 0 ja 100 välillä