Autentifikacija starih slika

Opis problema

Proučavate Umjetnu inteligenciju već neko vrijeme. Stari prijatelj vašeg oca, arheolog i poznati kritičar umjetnosti, čuo je za to i zatražio je vašu pomoć. Trebate dizajnirati algoritam koji može klasificirati antičke slike kao autentične dijelove ili kao replike.

Budući da je profesionalna autentifikacija skupa, istraživački tim je dobio oznake autentičnosti samo za mali dio slika. Za većinu uzoraka autentičnost ostaje nepoznata. Poznato je da digitalne karakteristike slika pokazuju snažne strukturalne uzorke. Vaš je zadatak koristiti sve dostupne uzorke - uključujući one s nepoznatim oznakama - za treniranje modela za klasifikaciju autentičnosti antičkih slika.

Skup podataka

Skup podataka sastoji se od skupa za treniranje, skupa za validaciju i skupa za testiranje, od kojih svaki ima 500 nezavisnih uzoraka.

Skup za treniranje (training_set.csv)

• Prvi stupac predstavlja ID slike (SampleID).
• Sljedećih pet stupaca predstavlja digitalne karakteristike svake antičke slike (feature1, feature2, feature3, feature4, feature5, feature6).
• Sedmi stupac (label) sadrži oznaku: 1 za autentično, -1 za repliku i 0 za nepoznato.

Skup za treniranje koristi se za treniranje modela i može se pristupiti i preuzeti direktno tijekom natjecanja.

Skup za validaciju (validation_set.csv)

• Ovi su slični formatu skupa za treniranje, ali ne sadrže stupac oznake.

⚠️ Skup za validaciju koristi se za izračun rezultata Ljestvice A (javne) i nije bio direktno dostupan tijekom natjecanja.

Skup za testiranje (test_set.csv)

• Ovi su slični formatu skupa za treniranje, ali ne sadrže stupac oznake.

⚠️ Skup za testiranje koristi se za izračun rezultata Ljestvice B (privatne) i nije bio direktno dostupan tijekom natjecanja.

Zadatak

Vaš je zadatak trenirati prikladan model, sposoban predvidjeti autentičnost slika iz skupova za testiranje, unatoč velikom broju neoznačenih uzoraka.

Predaja

Trebate generirati datoteku submission.csv koja će imati sljedeći format:

1SampleID, ClasamentType, label2VALIDATION_001, A, 13TEST_001, B, 1

gdje:

• SampleID predstavlja id slike (dan u validation_set.csv ili test_set.csv).
• ClasamentType imat će vrijednost A za slike iz validation_set.csv i imat će vrijednost B za slike iz test_set.csv.
• label je oznaka koju je predvidio model.

Rezultat

Metrika evaluacije bit će točnost klasifikacije, definirana kao udio uzoraka ispravno predviđenih od ukupnog broja evaluiranih uzoraka.

Konačni rezultat izračunava se na temelju točnosti dobivene koristeći sljedeća pravila:

• accuracy ≥ 0.9 → 100 bodova
• accuracy ≤ 0.5 → 0 bodova
• Za međuvrijednosti dodjeljuje se proporcionalni rezultat između 0 i 100.