Upptäck jultomten!

🎅 Upptäck Jultomten!

På julafton är Jultomtens verkstad mer hektisk än någonsin. Alverna förbereder presenter, renarna putsar sina bjällror, och Tomten... dyker upp i tusentals fotografier som skickas från hela världen.

Problemet är att inte alla dessa bilder verkligen visar den riktiga Jultomten. Vissa är kostymer, andra är figurer, reklam eller utklädda människor. För att inte leverera fel presenter behöver Jultomten er hjälp!

Er uppgift är att bygga en binär bildklassificeringsmodell som ska avgöra om en bild visar Jultomten eller inte.

🎄 Datasetet

Datasetet representerar ett arkiv som innehåller bilder organiserade i två kataloger tillsammans med CSV-filerna train.csv och test.csv.

Det finns två klasser:

• Santa – bilden innehåller Jultomten (label = 1)
• Not Santa – bilden innehåller INTE Jultomten (label = 0)

📁 Datasetets struktur

1dataset/2├── train/3│ ├── img_000001.jpg4│ ├── img_000002.jpg5│ └── ...6├── test/7│ ├── img_001234.jpg8│ ├── img_001235.jpg9│ └── ...10├── train.csv11└── test.csv

📄 CSV-filernas struktur

train.csv

Innehåller bilderna som används för att träna modellen.

Kolumner:

• image_path – relativ sökväg till bilden (ex: train/img_000123.jpg)
• label –
  • 1 → Jultomten
  • 0 → Inte Jultomten

test.csv

Innehåller bilderna för vilka prediktioner ska göras.

Kolumner:

• image_path – relativ sökväg till bilden

⚠️ Filen innehåller INTE kolumnen label. Denna ska predikteras av er modell.

🎯 Problemets syfte

För varje bild i testmängden ska er modell avgöra:

• 1 → bilden innehåller Jultomten
• 0 → bilden innehåller inte Jultomten

Resultaten kommer att jämföras med de verkliga etiketterna som hålls hemliga av arrangörerna.

⚙️ Utvärderingskriterier

Lösningens prestanda kommer att utvärderas med F1-score, ett utvärderingsmått som kombinerar precision och återkallelse, lämpligt för binära klassificeringsproblem.

Formeln:

📨 Format för inlämningsfilen

Ni ska skicka in en CSV-fil med exakt två kolumner, i följande format:

🔹 Exempel på inlämning

1image_path,label2test/img_001234.jpg,13test/img_001235.jpg,04test/img_001236.jpg,1

📝 Poängfördelning

• F1-score ≥ 0.95 → maximal poäng 🎁
• F1-score < 0.70 → 0 poäng
• För mellanliggande värden skalas poängen proportionellt

❄️ Observationer

• Filnamnen innehåller ingen information om klass
• Ordningen på bilderna är slumpmässig
• Alla maskininlärningsmetoder är tillåtna
• Målet är att lära modellen att känna igen visuella mönster

🎅 Jultomten räknar med er!
Hjälp honom att identifiera rätt bilder och leverera presenterna i tid!