Klassifisering av bilder: Ekte kunst vs. AI-generert kunst

🖼️ Klassifisering av bilder: Ekte kunst vs. AI-generert kunst

I denne oppgaven må du implementere en bildeklassifiseringsmodell som kan skille mellom bilder av ekte kunst og bilder generert av kunstig intelligens.
Datasettet er organisert i en mappe med bilder og CSV-filer, og modellens ytelse vil bli evaluert ved hjelp av F1-score.

---

🔹 Datasettet

Datasettet inneholder to typer bilder:

• RealArt – ekte bilder (label 0)
• AIArt – bilder generert av AI-modeller (label 1)

Disse bildene er tilgjengelige i mappen images.

Tilhørende filer:

• train.csv – for trening
• test.csv – for prediksjoner

---

📁 Struktur for CSV-filene

train.csv

Kolonner:

• SampleID – unik numerisk identifikator
• ImagePath – sti til bildet (eks: images/img_000123.jpg)
• Label – 0 for ekte kunst, 1 for AI-generert kunst

---

test.csv

Kolonner:

• SampleID
• ImagePath

Uten etiketter — disse må predikeres av modellen.

---

🎯 Oppgavens mål

Modellen må lære å klassifisere hvert bilde i en av følgende klasser:

• 0 → Ekte kunst
• 1 → AI-generert kunst

---

⚙️ Evalueringskriterier

Evalueringen gjøres ved hjelp av F1-score på prediksjoner sendt inn for testsettet.

Formel:

---

📨 Format for innleveringsfilen

CSV-filen må inneholde nøyaktig to kolonner:

Kolonne	Type	Beskrivelse
SampleID	integer	ID for bildet fra test
Label	integer	Prediksjonen (0 eller 1)

🔹 Eksempel

SampleID	Label
101	0
102	1
103	1

---

📝 Merknad

• F1-score ≥ 0.85 → maksimal poengsum
• F1-score < 0.5 → 0 poeng
• Resten av verdiene skaleres proporsjonalt

---

🌐 Dataenes opprinnelse

For denne oppgaven brukes et offentlig datasett tilgjengelig på Kaggle.