Prepoznavanje šahovskih figur

Prepoznavanje šahovskih figur

Šah je slavna strateška igra z večstoletno zgodovino, znana po svoji kompleksnosti in visokih zahtevah po logičnem razmišljanju in načrtovanju. Povezava med šahom in umetno inteligenco je tesna: mnogi algoritmi in tehnike strojnega učenja so bili razviti prav za ustvarjanje agentov, ki so sposobni igrati šah na visoki ravni.

Zgodovinski trenutek v tem kontekstu je bil leta 1997, ko je računalnik Deep Blue, ki ga je razvil IBM, premagal svetovnega prvaka Garryja Kasparova in s tem pokazal potencial računalnikov v kompleksnih strateških igrah.

🗂 Prejeti podatki

Na voljo imate nabor podatkov, sestavljen iz naslednjih datotek:

📁 train.csv

Vsebuje:

• id – edinstveni identifikator (P00001, P00002 …)
• image_path – pot do slike
• label – tip figure (bishop, knight, pawn, queen, rook)

📁 test.csv

Vsebuje:

• id – edinstveni identifikator
• image_path – pot do slike

Vse slike so shranjene v direktoriju images/.

🎯 Naloga

Sestavite model za klasifikacijo slik, ki lahko razlikuje šahovske figure (bishop, knight, pawn, queen, rook). Lahko uporabite katero koli sodobno arhitekturo globokega učenja: ResNet, EfficientNet, Vision Transformer, ConvNeXt itd., morda z natančnim nastavljanjem na vnaprej naučenih modelih.

Na koncu boste ustvarili datoteko submission.csv z obliko:

1id,label2P00081,queen3P00082,knight

📊 Vrednotenje

Metrika, ki se uporablja za vrednotenje modela, je natančnost:

1accuracy = (število_pravilnih_napovedi / skupno_število_napovedi)

🏅 Sistem točkovanja:

• accuracy ≥ 90% → 100 točk
• accuracy < 20% → 0 točk
• drugače → sorazmerno točkovanje med 0 in 100