Identifisering av sjakkbrikker

Identifisering av sjakkbrikker

Sjakk er et berømt strategisk spill med en historie som strekker seg over århundrer, anerkjent for sin kompleksitet og høye krav til logisk tenkning og planlegging. Forbindelsen mellom sjakk og kunstig intelligens er tett: mange algoritmer og maskinlæringsteknikker har blitt utviklet nettopp for å skape agenter som kan spille sjakk på høyt nivå.

Et historisk øyeblikk i denne sammenhengen var i 1997, da datamaskinen Deep Blue, utviklet av IBM, beseiret verdensmester Garry Kasparov, og demonstrerte datamaskiners potensial i komplekse strategiske spill.

🗂 Mottatte data

Du har tilgang til et datasett bestående av følgende filer:

📁 train.csv

Inneholder:

• id – unik identifikator (P00001, P00002 …)
• image_path – sti til bilde
• label – type brikke (bishop, knight, pawn, queen, rook)

📁 test.csv

Inneholder:

• id – unik identifikator
• image_path – sti til bilde

Alle bildene er lagret i mappen images/.

🎯 Arbeidsoppgave

Bygg en bildeklassifiseringsmodell som kan skille mellom sjakkbrikker (bishop, knight, pawn, queen, rook). Du kan bruke hvilken som helst moderne deep learning-arkitektur: ResNet, EfficientNet, Vision Transformer, ConvNeXt osv., eventuelt med fine-tuning på forhåndstrente modeller.

Til slutt vil du generere en fil submission.csv med formen:

1id,label2P00081,queen3P00082,knight

📊 Evaluering

Metrikken som brukes for evaluering av modellen er nøyaktighet:

1accuracy = (antall_korrekte_prediksjoner / totalt_antall_prediksjoner)

🏅 Poengsystem:

• accuracy ≥ 90% → 100 poeng
• accuracy < 20% → 0 poeng
• ellers → proporsjonal poengsum mellom 0 og 100