Šachmatų figūrų atpažinimas

Šachmatų figūrų atpažinimas

Šachmatai yra garsus strateginis žaidimas su šimtmečių istorija, pripažįstamas dėl savo sudėtingumo ir aukštų loginio mąstymo bei planavimo reikalavimų. Ryšys tarp šachmatų ir dirbtinio intelekto yra glaudus: daugelis algoritmų ir mašininio mokymosi metodų buvo sukurti būtent tam, kad būtų galima kurti agentus, galinčius žaisti šachmatus aukštu lygiu.

Istorinis momentas šiame kontekste buvo 1997 metais, kai IBM sukurtas kompiuteris Deep Blue nugalėjo pasaulio čempioną Garry Kasparov, pademonstravęs kompiuterių potencialą sudėtinguose strateginiuose žaidimuose.

🗂 Gauti duomenys

Jūsų žinioje yra duomenų rinkinys, susidedantis iš šių failų:

📁 train.csv

Turi:

• id – unikalus identifikatorius (P00001, P00002 …)
• image_path – kelias iki vaizdo
• label – figūros tipas (bishop, knight, pawn, queen, rook)

📁 test.csv

Turi:

• id – unikalus identifikatorius
• image_path – kelias iki vaizdo

Visi vaizdai saugomi images/ kataloge.

🎯 Darbo užduotis

Sukurkite vaizdų klasifikavimo modelį, kuris gali atskirti šachmatų figūras (bishop, knight, pawn, queen, rook). Galite naudoti bet kokią šiuolaikinę gilaus mokymosi architektūrą: ResNet, EfficientNet, Vision Transformer, ConvNeXt ir kt., galbūt su fine-tuning ant iš anksto išmokytu modelių.

Galiausiai sugeneruosite submission.csv failą tokios formos:

1id,label2P00081,queen3P00082,knight

📊 Vertinimas

Modelio vertinimui naudojama metrika yra tikslumas:

1accuracy = (teisingų_prognozių_skaičius / bendras_prognozių_skaičius)

🏅 Taškų sistema:

• accuracy ≥ 90% → 100 taškų
• accuracy < 20% → 0 taškų
• kitu atveju → proporcionalus taškų skaičius tarp 0 ir 100