Šaha figūru identificēšana

Šaha figūru identificēšana

Šahs ir slavena stratēģiska spēle ar gadsimtu vēsturi, kas pazīstama ar savu sarežģītību un augstajām prasībām loģiskai domāšanai un plānošanai. Saikne starp šahu un mākslīgo intelektu ir cieša: daudzi algoritmi un mašīnmācīšanās paņēmieni ir izstrādāti tieši tāpēc, lai radītu aģentus, kas spēj spēlēt šahu augstā līmenī.

Vēsturisks moments šajā kontekstā bija 1997. gadā, kad IBM izstrādātais dators Deep Blue uzvarēja pasaules čempionu Gariju Kasparovu, demonstrējot datoru potenciālu sarežģītās stratēģiskās spēlēs.

🗂 Saņemtie dati

Tev ir pieejams datu kopums, kas sastāv no šādiem failiem:

📁 train.csv

Satur:

• id – unikāls identifikators (P00001, P00002 …)
• image_path – ceļš uz attēlu
• label – figūras tips (bishop, knight, pawn, queen, rook)

📁 test.csv

Satur:

• id – unikāls identifikators
• image_path – ceļš uz attēlu

Visi attēli ir saglabāti direktorijā images/.

🎯 Darba uzdevums

Izveido attēlu klasifikācijas modeli, kas spēj atšķirt šaha figūras (bishop, knight, pawn, queen, rook). Vari izmantot jebkuru modernu dziļās mācīšanās arhitektūru: ResNet, EfficientNet, Vision Transformer, ConvNeXt utt., iespējams ar fine-tuning uz iepriekš apmācītiem modeļiem.

Beigās tu ģenerēsi failu submission.csv ar formu:

1id,label2P00081,queen3P00082,knight

📊 Novērtēšana

Modeļa novērtēšanai izmantotā metrika ir precizitāte:

1accuracy = (pareizo_prognožu_skaits / kopējais_prognožu_skaits)

🏅 Punktu sistēma:

• accuracy ≥ 90% → 100 punkti
• accuracy < 20% → 0 punkti
• citādi → proporcionāls punktu skaits starp 0 un 100