Slavne slike

Slavne slike

Kontekst

Kada se referiramo na slavne slike, moramo uzeti u obzir i objektivne karakteristike poput veličine platna, tipa kista kojim je slikano, vizualne složenosti ili gustoće boja, uz njihovu umjetničku kvalitetu. Automatska procjena vrijednosti i identifikacija stila slikara mogu pomoći kolekcionarima i muzejima da analiziraju velike kolekcije djela.

Za rješavanje ovog problema imat ćete na raspolaganju dvije datoteke:

• train.csv – sadrži sve varijable, uključujući target_price, za treniranje modela
• test.csv – sadrži iste varijable, bez stupca target_price, a podaci iz ove datoteke koriste se za generiranje predikcija

Opis skupa podataka

Zahtjevi

Za ovaj problem trebate riješiti 3 zadatka.

Zadatak 1 – Rezultat umjetničke autentičnosti (20 bodova)

Nedavno je revolucionarni algoritam otkrila grupa istraživača u umjetnoj inteligenciji i umjetnosti. Ovaj može procijeniti, na temelju objektivnih karakteristika slike, je li slika sigurno autentična ili nije.

Za svaku sliku, algoritam izračunava Rezultat Umjetničke Autentičnosti (RUA) koristeći sljedeća pravila:

1. Ako je stroke_density > 0.7, dodaj 2 boda u RUA.
2. Ako je complexity > 0.65, dodaj 2 boda u RUA.
3. Ako je uses_gold_leaf = True, dodaj 1 bod u RUA.
4. Ako je has_signature = True, dodaj 1 bod u RUA.
5. Ako je num_colors > 65 i colorfulness > 0.7, dodaj 2 boda u RUA.
6. Ako je contrast < 0.4 ili brightness < 0.45 ili brightness > 0.75, oduzmi 1 bod iz RUA.

Nakon izračuna rezultata, slika dobiva etiketu:

• Autentična: ako je RUA ≥ 5

• Neizvjesna: ako je RUA < 5

• Answer u datoteci za predaju bit će Autentična ili Neizvjesna za svaku sliku iz test.csv.

Zadatak 2 – Grupiranje slika prema stilu slikara (40 bodova)

Poznato je da su slike u skupu podataka napravili 5 slavnih slikara, ali informacija o slikaru nije dostupna.

Vaš je zadatak dodijeliti svakoj slici iz test.csv numerički ID između 0 i 4, tako da slike koje je napravio isti slikar dobiju isti ID.

• Answer u datoteci za predaju bit će numerički ID (0, 1, 2, 3 ili 4) za svaku sliku iz test.csv.
• Sve slike koje je napravio isti slikar trebale bi imati isti ID.

Zadatak 3 – Procjena cijene slika (40 bodova)

Za svaku sliku uključenu u train.csv imamo specificiranu cijenu (stupac target_price). Na temelju informacija dostupnih u train.csv, trenirajte model Umjetne inteligencije koji će biti sposoban predvidjeti cijenu za slike iz test.csv.

Format datoteke za predaju

Datoteka submission.csv mora sadržavati:

• SampleID - preuzet iz datoteke test.csv;
• subtaskID - može biti: Task1, Task2, Task3;
• Answer - vrijednost izračunata ili procijenjena za sliku označenu kroz SampleID za zadatak označen kroz subtaskID.

Evaluacija

Podzadatak 1 – Rezultat autentičnosti

Za ovaj podzadatak koristi se točno podudaranje između poslanih odgovora (Autentična / Neizvjesna) i točnih etiketa.

• Maksimalni broj bodova dodjeljuje se samo ako su svi odgovori točni.
• Ako postoje netočni odgovori, bodovi se dodjeljuju proporcionalno, koristeći pravilo trostruke proporcije.

Podzadatak 2 – Grupiranje slikara

Evaluacija se vrši koristeći Adjusted Rand Index (ARI).

• Maksimalni broj bodova dodjeljuje se ako:

• Za vrijednosti ispod ovog praga, bodovi se dodjeljuju proporcionalno.

Podzadatak 3 – Predikcija cijene

Evaluacija se vrši koristeći Mean Absolute Error (MAE).

Pravila:

• MAE ≤ 500 → maksimalni broj bodova
• MAE ≥ 2000 → 0 bodova
• Za vrijednosti između ova dva praga, bodovi se dodjeljuju proporcionalno.