Identificação das peças de xadrez

Identificação das peças de xadrez

O xadrez é um jogo estratégico famoso, com uma história de séculos, reconhecido pela sua complexidade e pelas altas exigências de pensamento lógico e planejamento. A ligação entre xadrez e inteligência artificial é estreita: muitos algoritmos e técnicas de aprendizado automático foram desenvolvidos justamente para criar agentes capazes de jogar xadrez em alto nível.

Um momento histórico neste contexto foi em 1997, quando o computador Deep Blue, desenvolvido pela IBM, venceu o campeão mundial Garry Kasparov, demonstrando o potencial dos computadores em jogos estratégicos complexos.

🗂 Dados recebidos

Você tem à disposição um conjunto de dados composto pelos seguintes arquivos:

📁 train.csv

Contém:

• id – identificador único (P00001, P00002 …)
• image_path – caminho para a imagem
• label – tipo da peça (bishop, knight, pawn, queen, rook)

📁 test.csv

Contém:

• id – identificador único
• image_path – caminho para a imagem

Todas as imagens estão armazenadas no diretório images/.

🎯 Tarefa de trabalho

Construa um modelo de classificação de imagens que possa diferenciar as peças de xadrez (bishop, knight, pawn, queen, rook). Você pode usar qualquer arquitetura moderna de deep learning: ResNet, EfficientNet, Vision Transformer, ConvNeXt etc., eventualmente com fine-tuning em modelos pré-treinados.

No final, você gerará um arquivo submission.csv com a forma:

1id,label2P00081,queen3P00082,knight

📊 Avaliação

A métrica usada para avaliação do modelo é a acurácia:

1accuracy = (número_predições_corretas / número_total_predições)

🏅 Sistema de pontuação:

• accuracy ≥ 90% → 100 pontos
• accuracy < 20% → 0 pontos
• caso contrário → pontuação proporcional entre 0 e 100