Autentisering av antikke bilder

Problembeskrivelse

Du har studert Kunstig Intelligens en stund. En gammel venn av faren din, en berømt arkeolog og kunstkritiker, har hørt om dette og bedt deg om hjelp. Du må designe en algoritme som kan klassifisere antikke malerier som enten autentiske stykker eller replikaer.

Siden profesjonell autentisering er kostbar, har forskerteamet kun fått autentisitetsetiketter for en liten del av maleriene. For flertallet av prøvene forblir autentisiteten ukjent. Det er kjent at de digitale egenskapene til maleriene viser sterke strukturelle mønstre. Du har i oppgave å bruke alle tilgjengelige prøver - inkludert de med ukjente etiketter - for å trene en modell for klassifisering av autentisiteten til antikke malerier.

Datasett

Datasettet består av et treningssett, et valideringssett og et testsett, hver med 500 uavhengige prøver.

Treningssett (training_set.csv)

• Den første kolonnen representerer maleriets ID (SampleID).
• De neste fem kolonnene representerer de digitale egenskapene til hvert antikke maleri (feature1, feature2, feature3, feature4, feature5, feature6).
• Den syvende kolonnen (label) inneholder etiketten: 1 for autentisk, -1 for replika og 0 for ukjent.

Treningssettet brukes til å trene modeller og kan aksesseres og lastes ned direkte under konkurransen.

Valideringssett (validation_set.csv)

• Disse er like formatet til treningssettet, men inneholder ikke etikett-kolonnen.

⚠️ Valideringssettet brukes til å beregne poengsummen for Rangliste A (offentlig) og var ikke direkte tilgjengelig under konkurransen.

Testsett (test_set.csv)

• Disse er like formatet til treningssettet, men inneholder ikke etikett-kolonnen.

⚠️ Testsettet brukes til å beregne poengsummen for Rangliste B (privat) og var ikke direkte tilgjengelig under konkurransen.

Oppgave

Din oppgave er å trene en passende modell som kan forutsi autentisiteten til malerier fra testsettene, til tross for det store antallet uetiketterte prøver.

Innlevering

Du må generere en submission.csv-fil som vil ha følgende format:

1SampleID, ClasamentType, label2VALIDATION_001, A, 13TEST_001, B, 1

hvor:

• SampleID representerer maleriets id (oppgitt i validation_set.csv eller test_set.csv).
• ClasamentType vil ha verdien A for malerier fra validation_set.csv og vil ha verdien B for malerier fra test_set.csv.
• label er etiketten forutsagt av modellen.

Poengsum

Evalueringsmetrikken vil være klassifiseringsnøyaktighet, definert som andelen korrekt forutsagte prøver av det totale antallet evaluerte prøver.

Den endelige poengsummen beregnes basert på nøyaktigheten oppnådd ved bruk av følgende regler:

• accuracy ≥ 0.9 → 100 poeng
• accuracy ≤ 0.5 → 0 poeng
• For mellomverdier tildeles proporsjonale poeng mellom 0 og 100.