Klasyfikacja obrazów: Prawdziwa sztuka vs. sztuka generowana przez AI

🖼️ Klasyfikacja obrazów: Prawdziwa sztuka vs. sztuka generowana przez AI

W tym problemie musisz zaimplementować model klasyfikacji obrazów zdolny do rozróżniania między obrazami prawdziwej sztuki a obrazami wygenerowanymi przez sztuczną inteligencję.
Zbiór danych jest zorganizowany w katalogu z obrazami i plikami CSV, a wydajność modelu będzie oceniana przy użyciu F1-score.

---

🔹 Zbiór danych

Zbiór danych zawiera dwa typy obrazów:

• RealArt – prawdziwe obrazy (etykieta 0)
• AIArt – obrazy wygenerowane przez modele AI (etykieta 1)

Te obrazy są dostępne w katalogu images.

Powiązane pliki:

• train.csv – do trenowania
• test.csv – do predykcji

---

📁 Struktura plików CSV

train.csv

Kolumny:

• SampleID – unikalny identyfikator numeryczny
• ImagePath – ścieżka do obrazu (np. images/img_000123.jpg)
• Label – 0 dla prawdziwej sztuki, 1 dla sztuki wygenerowanej przez AI

---

test.csv

Kolumny:

• SampleID
• ImagePath

Bez etykiet — te muszą być przewidziane przez model.

---

🎯 Cel problemu

Model musi nauczyć się klasyfikować każdy obraz do jednej z następujących klas:

• 0 → Prawdziwa sztuka
• 1 → Sztuka wygenerowana przez AI

---

⚙️ Kryteria oceny

Ocena odbywa się przy użyciu F1-score na predykcjach przesłanych dla zbioru testowego.

Wzór:

---

📨 Format pliku zgłoszenia

Plik CSV musi zawierać dokładnie dwie kolumny:

Kolumna	Typ	Opis
SampleID	integer	ID obrazu z testu
Label	integer	Predykcja (0 lub 1)

🔹 Przykład

SampleID	Label
101	0
102	1
103	1

---

📝 Uwaga

• F1-score ≥ 0.85 → maksymalny wynik
• F1-score < 0.5 → 0 punktów
• Pozostałe wartości są skalowane proporcjonalnie

---

🌐 Pochodzenie danych

Do tego problemu używany jest publiczny zbiór danych dostępny na Kaggle.