Identificazione dei pezzi di scacchi

Identificazione dei pezzi degli scacchi

Gli scacchi sono un famoso gioco strategico, con una storia di secoli, riconosciuto per la sua complessità e per le elevate richieste di pensiero logico e pianificazione. Il legame tra scacchi e intelligenza artificiale è stretto: molti algoritmi e tecniche di apprendimento automatico sono stati sviluppati proprio per creare agenti capaci di giocare a scacchi ad alto livello.

Un momento storico in questo contesto è stato nel 1997, quando il computer Deep Blue, sviluppato da IBM, ha sconfitto il campione mondiale Garry Kasparov, dimostrando il potenziale dei computer nei giochi strategici complessi.

🗂 I dati ricevuti

Hai a disposizione un set di dati composto dai seguenti file:

📁 train.csv

Contiene:

• id – identificatore unico (P00001, P00002 …)
• image_path – il percorso verso l'immagine
• label – il tipo di pezzo (bishop, knight, pawn, queen, rook)

📁 test.csv

Contiene:

• id – identificatore unico
• image_path – il percorso verso l'immagine

Tutte le immagini sono memorizzate nella directory images/.

🎯 Compito di lavoro

Costruisci un modello di classificazione delle immagini che può differenziare i pezzi degli scacchi (bishop, knight, pawn, queen, rook). Puoi utilizzare qualsiasi architettura moderna di deep learning: ResNet, EfficientNet, Vision Transformer, ConvNeXt ecc., eventualmente con fine-tuning su modelli preaddestrati.

Alla fine, genererai un file submission.csv con la forma:

1id,label2P00081,queen3P00082,knight

📊 Valutazione

La metrica utilizzata per la valutazione del modello è l'accuratezza:

1accuracy = (numero_predizioni_corrette / numero_totale_predizioni)

🏅 Sistema di punteggio:

• accuracy ≥ 90% → 100 punti
• accuracy < 20% → 0 punti
• altrimenti → punteggio proporzionale tra 0 e 100