Identifiering av schackpjäser

Identifiering av schackpjäser

Schack är ett berömt strategiskt spel med en historia som sträcker sig över århundraden, känt för sin komplexitet och höga krav på logiskt tänkande och planering. Kopplingen mellan schack och artificiell intelligens är stark: många algoritmer och maskininlärningstekniker har utvecklats just för att skapa agenter som kan spela schack på hög nivå.

Ett historiskt ögonblick i detta sammanhang var 1997, när datorn Deep Blue, utvecklad av IBM, besegrade världsmästaren Garry Kasparov och demonstrerade datorernas potential inom komplexa strategiska spel.

🗂 Mottagna data

Du har tillgång till en dataset som består av följande filer:

📁 train.csv

Innehåller:

• id – unik identifierare (P00001, P00002 …)
• image_path – sökväg till bild
• label – typ av pjäs (bishop, knight, pawn, queen, rook)

📁 test.csv

Innehåller:

• id – unik identifierare
• image_path – sökväg till bild

Alla bilder är lagrade i katalogen images/.

🎯 Arbetsuppgift

Bygg en bildklassificeringsmodell som kan särskilja schackpjäser (bishop, knight, pawn, queen, rook). Du kan använda vilken modern deep learning-arkitektur som helst: ResNet, EfficientNet, Vision Transformer, ConvNeXt etc., eventuellt med fine-tuning på förtränade modeller.

Till slut kommer du att generera en fil submission.csv med formen:

1id,label2P00081,queen3P00082,knight

📊 Utvärdering

Metriken som används för att utvärdera modellen är noggrannhet:

1accuracy = (antal_korrekta_prediktioner / totalt_antal_prediktioner)

🏅 Poängsystem:

• accuracy ≥ 90% → 100 poäng
• accuracy < 20% → 0 poäng
• annars → proportionell poäng mellan 0 och 100