Slavenas gleznas

Slaveni gleznas

Konteksts

Kad mēs atsaucamies uz slavenām gleznu darbiem, mums jāņem vērā arī objektīvās īpašības, piemēram, audekla izmērs, otiņas tips, ar kuru tā ir gleznota, vizuālā sarežģītība vai krāsu blīvums, papildus to mākslinieciskajai kvalitātei. Automātiska vērtības novērtēšana un gleznotāja stila identificēšana var palīdzēt kolekcionāriem un muzejiem analizēt lielas mākslas darbu kolekcijas.

Šīs problēmas risināšanai jums būs pieejami divi faili:

• train.csv – satur visus mainīgos, ieskaitot target_price, modeļu apmācībai
• test.csv – satur tos pašus mainīgos bez target_price kolonnas, un šī faila dati tiek izmantoti prognožu ģenerēšanai

Datu kopas apraksts

Prasības

Šai problēmai jums jāatrisina 3 uzdevumi.

Uzdevums 1 – Mākslinieciskās autentiskuma punktu skaits (20 punkti)

Nesen mākslīgā intelekta un mākslas pētnieku grupa atklāja revolucionāru algoritmu. Tas var novērtēt, balstoties uz gleznas objektīvajām īpašībām, vai glezna noteikti ir autentiska vai nav.

Katrai gleznai algoritms aprēķina Mākslinieciskās Autentiskuma Punktu skaitu (MAP), izmantojot šādus noteikumus:

1. Ja stroke_density > 0.7, pievieno 2 punktus MAP.
2. Ja complexity > 0.65, pievieno 2 punktus MAP.
3. Ja uses_gold_leaf = True, pievieno 1 punktu MAP.
4. Ja has_signature = True, pievieno 1 punktu MAP.
5. Ja num_colors > 65 un colorfulness > 0.7, pievieno 2 punktus MAP.
6. Ja contrast < 0.4 vai brightness < 0.45 vai brightness > 0.75, atņem 1 punktu no MAP.

Pēc punktu skaita aprēķināšanas glezna saņem etiķeti:

• Autentiska: ja MAP ≥ 5

• Neskaidra: ja MAP < 5

• Answer iesniegšanas failā būs Autentiska vai Neskaidra katrai gleznai no test.csv.

Uzdevums 2 – Gleznu grupēšana pēc gleznotāja stila (40 punkti)

Ir zināms, ka datu kopas gleznas ir radījuši 5 slaveni gleznotāji, bet informācija par gleznotāju nav pieejama.

Jūsu uzdevums ir piešķirt katrai gleznai no test.csv skaitlisku ID starp 0 un 4, lai gleznas, ko radījis viens un tas pats gleznotājs, saņemtu vienādu ID.

• Answer iesniegšanas failā būs skaitliskais ID (0, 1, 2, 3 vai 4) katrai gleznai no test.csv.
• Visām gleznām, ko radījis viens un tas pats gleznotājs, vajadzētu būt vienādam ID.

Uzdevums 3 – Gleznu cenu novērtēšana (40 punkti)

Katrai gleznai, kas iekļauta train.csv, mums ir norādīta cena (kolonna target_price). Balstoties uz informāciju, kas pieejama train.csv, apmāciet mākslīgā intelekta modeli, kas spēj prognozēt gleznām no test.csv cenu.

Iesniegšanas faila formāts

Failam submission.csv jāsatur:

• SampleID - ņemts no faila test.csv;
• subtaskID - var būt: Task1, Task2, Task3;
• Answer - aprēķinātā vai novērtētā vērtība gleznai, kas norādīta ar SampleID uzdevumam, kas norādīts ar subtaskID.

Vērtēšana

Apakšuzdevums 1 – Autentiskuma punkti

Šim apakšuzdevumam tiek izmantots precīzs salīdzinājums starp iesniegtajām atbildēm (Autentiska / Neskaidra) un pareizajām etiķetēm.

• Maksimālais punktu skaits tiek piešķirts tikai tad, ja visas atbildes ir pareizas.
• Ja ir nepareizas atbildes, punktu skaits tiek piešķirts proporcionāli, izmantojot vienkāršo triju noteikumu.

Apakšuzdevums 2 – Gleznotāju grupēšana

Vērtēšana tiek veikta, izmantojot Adjusted Rand Index (ARI).

• Maksimālais punktu skaits tiek piešķirts, ja:

• Vērtībām zem šī sliekšņa punktu skaits tiek piešķirts proporcionāli.

Apakšuzdevums 3 – Cenas prognoze

Vērtēšana tiek veikta, izmantojot Mean Absolute Error (MAE).

Noteikumi:

• MAE ≤ 500 → maksimālais punktu skaits
• MAE ≥ 2000 → 0 punkti
• Vērtībām starp šiem diviem slieksņiem punktu skaits tiek piešķirts proporcionāli.