Rileva Babbo Natale!

🎅 Rileva Babbo Natale!

Nella vigilia di Natale, il laboratorio di Babbo Natale è più affollato che mai. Gli elfi preparano i regali, le renne lucidano i loro campanelli, e Babbo... appare in migliaia di fotografie inviate da tutto il mondo.

Il problema è che non tutte queste immagini ritraggono davvero il vero Babbo Natale. Alcune sono costumi, altre sono statuine, pubblicità o persone travestite. Per non consegnare regali sbagliati, Babbo Natale ha bisogno del vostro aiuto!

Il vostro compito è costruire un modello di classificazione binaria delle immagini che decida se in un'immagine appare Babbo Natale o no.

🎄 Il dataset

Il dataset rappresenta un archivio che contiene immagini organizzate in due directory insieme ai file CSV train.csv e test.csv.

Esistono due classi:

• Santa – l'immagine contiene Babbo Natale (label = 1)
• Not Santa – l'immagine NON contiene Babbo Natale (label = 0)

📁 Struttura 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

📄 Struttura dei file CSV

train.csv

Contiene le immagini utilizzate per l'addestramento del modello.

Colonne:

• image_path – percorso relativo all'immagine (es: train/img_000123.jpg)
• label –
  • 1 → Babbo Natale
  • 0 → Non è Babbo Natale

test.csv

Contiene le immagini per le quali devono essere realizzate le predizioni.

Colonne:

• image_path – percorso relativo all'immagine

⚠️ Il file NON contiene la colonna label. Questa deve essere prevista dal vostro modello.

🎯 Obiettivo del problema

Per ogni immagine del set di test, il vostro modello deve decidere:

• 1 → l'immagine contiene Babbo Natale
• 0 → l'immagine non contiene Babbo Natale

I risultati saranno confrontati con le etichette reali tenute segrete dagli organizzatori.

⚙️ Criteri di valutazione

La performance della soluzione sarà valutata utilizzando l'F1-score, una metrica di valutazione che combina precisione e accuratezza, adatta per problemi di classificazione binaria.

Formula:

📨 Formato del file di submission

Dovete inviare un file CSV con esattamente due colonne, nel seguente formato:

🔹 Esempio di submission

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

📝 Distribuzione del punteggio

• F1-score ≥ 0.95 → punteggio massimo 🎁
• F1-score < 0.70 → 0 punti
• Per valori intermedi, il punteggio si scala proporzionalmente

❄️ Osservazioni

• I nomi dei file non contengono informazioni sulla classe
• L'ordine delle immagini è casuale
• Qualsiasi metodo di apprendimento automatico è permesso
• L'obiettivo è insegnare al modello a riconoscere pattern visivi

🎅 Babbo Natale conta su di voi!
Aiutatelo a identificare le immagini corrette e a consegnare i regali in tempo!