Sakkfigurák azonosítása

Sakkfigurák azonosítása

A sakk egy híres stratégiai játék, évszázados történelemmel, amely összetettségéről és a logikai gondolkodás, valamint tervezés magas követelményeiről ismert. A sakk és a mesterséges intelligencia közötti kapcsolat szoros: számos algoritmus és gépi tanulási technika kifejezetten azért lett kifejlesztve, hogy magas szinten sakkozni képes ágenseket hozzanak létre.

Történelmi pillanat volt ebben a kontextusban 1997-ben, amikor az IBM által kifejlesztett Deep Blue számítógép legyőzte Garry Kasparov világbajnokot, demonstrálva a számítógépek potenciálját összetett stratégiai játékokban.

🗂 Kapott adatok

Rendelkezésedre áll egy adathalmaz, amely a következő fájlokból áll:

📁 train.csv

Tartalmazza:

• id – egyedi azonosító (P00001, P00002 …)
• image_path – kép elérési útja
• label – figura típusa (bishop, knight, pawn, queen, rook)

📁 test.csv

Tartalmazza:

• id – egyedi azonosító
• image_path – kép elérési útja

Minden kép az images/ könyvtárban található.

🎯 Feladat

Építs egy képosztályozó modellt, amely képes megkülönböztetni a sakkfigurákat (bishop, knight, pawn, queen, rook). Bármilyen modern deep learning architektúrát használhatsz: ResNet, EfficientNet, Vision Transformer, ConvNeXt stb., esetleg előre betanított modellek fine-tuning-jával.

Végül egy submission.csv fájlt fogsz generálni a következő formában:

1id,label2P00081,queen3P00082,knight

📊 Értékelés

A modell értékelésére használt metrika a pontosság:

1accuracy = (helyes_előrejelzések_száma / összes_előrejelzés_száma)

🏅 Pontozási rendszer:

• accuracy ≥ 90% → 100 pont
• accuracy < 20% → 0 pont
• egyébként → arányos pontszám 0 és 100 között