Архів намальованих слів

✍️ Архів намальованих слів 🖼️

✨ Виклик візуального розпізнавання

У таємній цифровій бібліотеці, відомій під назвою
Архів намальованих слів, зберігаються тисячі зображень зі словами, написаними від руки, кожне з яких супроводжується невеликою ілюстрацією, що підказує його значення.

На жаль, таємничий збій вплинув на систему індексації, і етикетки багатьох зображень втратилися.
Тепер лише Майстер комп'ютерного зору може відновити порядок і сенс цих зображень.

Кожне зображення містить:

• слово, написане від руки, чорним чорнилом на білому фоні
• невелику ілюстрацію, що представляє об'єкт або концепцію цього слова

Стиль реалістичний, чистий і зрозумілий, однак слово має бути розпізнане виключно з зображення.

🗂 Отримані дані

У твоєму розпорядженні наступні файли:

📁 train.csv

Містить приклади з етикетками для навчання:

• image_path – шлях до зображення
• label – слово, написане від руки на зображенні
  Усі зображення з train.csv знаходяться в директорії output_dataset/train/.

📁 test.csv

Містить:

• image_path – шлях до зображення

⚠️ Колонка label відсутня і має бути передбачена твоєю моделлю.

Усі зображення з test.csv знаходяться в директорії output_dataset/test/.

🧠 Слова, які модель має розпізнавати

Твоя модель має розпізнавати точно одне з наступних 20 можливих слів:

1apple, banana, cat, dog, elephant,2flower, house, moon, sun, tree,3violin, lion, kite, boat, star,4fish, pencil, cake, book, umbrella

Кожне зображення належить одному класу.

🎯 Твоє завдання

Побудуй модель класифікації зображень, яка для кожного зображення з test.csv правильно передбачає слово, написане від руки.

📤 Формат файлу submission.csv

Наприкінці ти згенеруєш файл submission.csv з наступною структурою:

1image_path,label2output_dataset/test/000001.png,banana3output_dataset/test/000002.png,cat4output_dataset/test/000003.png,tree

📊 Оцінювання

Продуктивність моделі буде оцінена за допомогою точності:

1accuracy = (кількість_правильних_передбачень / загальна_кількість_передбачень)

🏅 Система оцінювання:

• accuracy ≥ 98% → 100 балів
• accuracy ≤ 20% → 0 балів
• інакше → лінійне масштабування між 0 і 100

🏆 Стань майстром Архіву намальованих слів!

Кожна літера має значення. Кожна лінія чорнила приховує сенс.

Доведи, що твоя модель може бачити, розуміти і розпізнавати слова на зображеннях і відновити порядок в Архіві намальованих слів! ✨📚