Identyfikacja figur szachowych

Identyfikacja figur szachowych

Szachy to słynna gra strategiczna o wielowiekowej historii, uznawana za swoją złożoność i wysokie wymagania dotyczące logicznego myślenia i planowania. Związek między szachami a sztuczną inteligencją jest ścisły: wiele algorytmów i technik uczenia maszynowego zostało opracowanych właśnie w celu stworzenia agentów zdolnych do gry w szachy na wysokim poziomie.

Historycznym momentem w tym kontekście był rok 1997, kiedy komputer Deep Blue, opracowany przez IBM, pokonał mistrza świata Garry'ego Kasparova, demonstrując potencjał komputerów w złożonych grach strategicznych.

🗂 Otrzymane dane

Masz do dyspozycji zestaw danych składający się z następujących plików:

📁 train.csv

Zawiera:

• id – unikalny identyfikator (P00001, P00002 …)
• image_path – ścieżka do obrazu
• label – typ figury (bishop, knight, pawn, queen, rook)

📁 test.csv

Zawiera:

• id – unikalny identyfikator
• image_path – ścieżka do obrazu

Wszystkie obrazy są przechowywane w katalogu images/.

🎯 Zadanie do wykonania

Zbuduj model klasyfikacji obrazów, który może rozróżniać figury szachowe (bishop, knight, pawn, queen, rook). Możesz użyć dowolnej nowoczesnej architektury deep learning: ResNet, EfficientNet, Vision Transformer, ConvNeXt itp., ewentualnie z fine-tuningiem na modelach wstępnie wytrenowanych.

Na koniec wygenerujesz plik submission.csv o postaci:

1id,label2P00081,queen3P00082,knight

📊 Ocena

Metryka używana do oceny modelu to dokładność:

1accuracy = (liczba_poprawnych_predykcji / całkowita_liczba_predykcji)

🏅 System punktacji:

• accuracy ≥ 90% → 100 punktów
• accuracy < 20% → 0 punktów
• w przeciwnym razie → punktacja proporcjonalna między 0 a 100