Identificatie van schaakstukken

Identificatie van schaakstukken

Schaken is een beroemd strategisch spel met een eeuwenoude geschiedenis, erkend voor zijn complexiteit en de hoge eisen aan logisch denken en planning. De band tussen schaken en kunstmatige intelligentie is hecht: veel algoritmen en machine learning technieken zijn ontwikkeld om agenten te creëren die in staat zijn om schaken op hoog niveau te spelen.

Een historisch moment in deze context was in 1997, toen de computer Deep Blue, ontwikkeld door IBM, wereldkampioen Garry Kasparov versloeg, waarmee het potentieel van computers in complexe strategische spellen werd aangetoond.

🗂 Ontvangen gegevens

Je hebt een dataset tot je beschikking bestaande uit de volgende bestanden:

📁 train.csv

Bevat:

• id – unieke identificator (P00001, P00002 …)
• image_path – pad naar afbeelding
• label – type stuk (bishop, knight, pawn, queen, rook)

📁 test.csv

Bevat:

• id – unieke identificator
• image_path – pad naar afbeelding

Alle afbeeldingen zijn opgeslagen in de directory images/.

🎯 Werkopdracht

Bouw een beeldclassificatiemodel dat schaakstukken kan onderscheiden (bishop, knight, pawn, queen, rook). Je kunt elke moderne deep learning architectuur gebruiken: ResNet, EfficientNet, Vision Transformer, ConvNeXt etc., eventueel met fine-tuning op voorgetrainde modellen.

Aan het eind genereer je een bestand submission.csv met de vorm:

1id,label2P00081,queen3P00082,knight

📊 Evaluatie

De metriek die wordt gebruikt voor de evaluatie van het model is nauwkeurigheid:

1accuracy = (aantal_juiste_voorspellingen / totaal_aantal_voorspellingen)

🏅 Puntensysteem:

• accuracy ≥ 90% → 100 punten
• accuracy < 20% → 0 punten
• anders → proportionele score tussen 0 en 100