Klasifikacija slik: Prava umetnost vs. umetnost, generirana z AI

🖼️ Klasifikacija slik: Prava umetnost vs. umetnost, generirana z AI

V tej nalogi morate implementirati model za klasifikacijo slik, ki je sposoben razlikovati med slikami prave umetnosti in slikami, generiranimi z umetno inteligenco.
Nabor podatkov je organiziran v direktoriju s slikami in CSV datotekami, uspešnost modela pa bo ocenjena z uporabo F1-score.

---

🔹 Nabor podatkov

Nabor podatkov vsebuje dva tipa slik:

• RealArt – prave slike (oznaka 0)
• AIArt – slike, generirane z AI modeli (oznaka 1)

Te slike so na voljo v direktoriju images.

Povezane datoteke:

• train.csv – za učenje
• test.csv – za napovedi

---

📁 Struktura CSV datotek

train.csv

Stolpci:

• SampleID – edinstveni numerični identifikator
• ImagePath – pot do slike (npr.: images/img_000123.jpg)
• Label – 0 za pravo umetnost, 1 za umetnost, generirano z AI

---

test.csv

Stolpci:

• SampleID
• ImagePath

Brez oznak — te mora napovedati model.

---

🎯 Namen naloge

Model se mora naučiti klasificirati vsako sliko v enega od naslednjih razredov:

• 0 → Prava umetnost
• 1 → Umetnost, generirana z AI

---

⚙️ Kriteriji ocenjevanja

Ocenjevanje se izvaja z uporabo F1-score na napovedih, poslanih za testni nabor.

Formula:

---

📨 Format datoteke za oddajo

CSV datoteka mora vsebovati natanko dva stolpca:

Stolpec	Tip	Opis
SampleID	integer	ID slike iz testa
Label	integer	Napoved (0 ali 1)

🔹 Primer

SampleID	Label
101	0
102	1
103	1

---

📝 Opomba

• F1-score ≥ 0.85 → maksimalna ocena
• F1-score < 0.5 → 0 točk
• Ostale vrednosti so sorazmerno skalirane

---

🌐 Izvor podatkov

Za to nalogo se uporablja javni nabor podatkov, dostopen na Kaggle.