Знамените слике

Slavne slike

Kontekst

Kada se bavimo slavnim slikama, moramo uzeti u obzir i objektivne karakteristike poput veličine platna, tipa četkice kojom je naslikano, vizuelne složenosti ili gustine boja, pored njihovog umetničkog kvaliteta. Automatska procena vrednosti i identifikacija stila slikara mogu pomoći kolekcionarima i muzejima da analiziraju velike kolekcije dela.

Za rešavanje ovog problema imaćete na raspolaganju dva fajla:

• train.csv – sadrži sve promenljive, uključujući target_price, za treniranje modela
• test.csv – sadrži iste promenljive, bez kolone target_price, a podaci iz ovog fajla se koriste za generisanje predikcija

Opis skupa podataka

Zahtevi

Za ovaj problem treba da rešite 3 zadatka.

Zadatak 1 – Skor umetničke autentičnosti (20 poena)

Nedavno je revolucionarni algoritam otkriven od strane grupe istraživača u oblasti veštačke inteligencije i umetnosti. Ovaj algoritam može proceniti, na osnovu objektivnih karakteristika slike, da li je slika sigurno autentična ili ne.

Za svaku sliku, algoritam računa Skor Umetničke Autentičnosti (SUA) koristeći sledeća pravila:

1. Ako je stroke_density > 0.7, dodaj 2 poena u SUA.
2. Ako je complexity > 0.65, dodaj 2 poena u SUA.
3. Ako je uses_gold_leaf = True, dodaj 1 poen u SUA.
4. Ako je has_signature = True, dodaj 1 poen u SUA.
5. Ako je num_colors > 65 i colorfulness > 0.7, dodaj 2 poena u SUA.
6. Ako je contrast < 0.4 ili brightness < 0.45 ili brightness > 0.75, oduzmi 1 poen iz SUA.

Nakon računanja skora, slika dobija etiketu:

• Autentična: ako je SUA ≥ 5

• Neizvesna: ako je SUA < 5

• Answer u fajlu za submisiju će biti Autentična ili Neizvesna za svaku sliku iz test.csv.

Zadatak 2 – Grupiranje slika prema stilu slikara (40 poena)

Poznato je da su slike iz skupa podataka realizovane od strane 5 slavnih slikara, ali informacija o slikaru nije dostupna.

Vaš zadatak je da dodelite svakoj slici iz test.csv numerički ID između 0 i 4, tako da slike realizovane od strane istog slikara dobiju isti ID.

• Answer u fajlu za submisiju će biti numerički ID (0, 1, 2, 3 ili 4) za svaku sliku iz test.csv.
• Sve slike realizovane od strane istog slikara treba da imaju isti ID.

Zadatak 3 – Procena cene slika (40 poena)

Za svaku sliku uključenu u train.csv imamo specificiranu cenu (kolona target_price). Na osnovu informacija dostupnih u train.csv, trenirajte model Veštačke Inteligencije koji će biti sposoban da predvidi za slike iz test.csv cenu.

Format fajla za submisiju

Fajl submission.csv treba da sadrži:

• SampleID - preuzet iz fajla test.csv;
• subtaskID - može biti: Task1, Task2, Task3;
• Answer - vrednost izračunata ili procenjena za sliku označenu kroz SampleID za zadatak označen kroz subtaskID.

Evaluacija

Podzadatak 1 – Skor autentičnosti

Za ovaj podzadatak koristi se tačno poređenje između poslanih odgovora (Autentična / Neizvesna) i ispravnih etiketa.

• Maksimalni broj poena se dodeljuje samo ako su svi odgovori ispravni.
• Ako postoje pogrešni odgovori, broj poena se dodeljuje proporcionalno, koristeći pravilo jednostavne trojke.

Podzadatak 2 – Grupiranje slikara

Evaluacija se vrši koristeći Adjusted Rand Index (ARI).

• Maksimalni broj poena se dodeljuje ako je:

• Za vrednosti ispod ovog praga, broj poena se dodeljuje proporcionalno.

Podzadatak 3 – Predikcija cene

Evaluacija se vrši koristeći Mean Absolute Error (MAE).

Pravila:

• MAE ≤ 500 → maksimalni broj poena
• MAE ≥ 2000 → 0 poena
• Za vrednosti između ova dva praga, broj poena se dodeljuje proporcionalno.