𝁘 拜占庭记数法 𝁑

问题：拜占庭音乐纽姆符号序列识别 🎵

🌟 问题描述

拜占庭音乐是一种起源古老的音乐类型，广泛传播于巴尔干地区，拥有超过一千年的历史。其特有的记谱法由一系列称为纽姆符号的符号组成。

实现一个AI模型，对存储在图像中的序列进行纽姆符号分类，并生成一个序列，表示每个遇到的纽姆符号相对于初始音级（序列开始时的音级）的累积音级数。

每个样本图像的尺寸为48x48像素，代表一个单独的符号。

---

🔹 特征 (features)

训练数据集（train.csv）包含以下字段：

• Path – 样本图像的相对路径。
• Effect – 应用于图像的标签。可以是：
  • 一个整数，表示相关的音调变化，
  • 一个大写字母（A或B），表示无声调值的纽姆符号（音调保持不变）。

---

📘 训练数据集结构

• 样本来自多个印刷作品和手稿。
• 存在形状不同但音调效果相同的纽姆符号组。

示例（CSV）：

Path	Effect
images/neuma1.png	1
images/neuma2.png	-2
images/neuma3.png	A

---

📝 评估数据集

评估数据集（test.csv）包含两个字段：

• subtaskID – 始终为1
• datapointID – 表示纽姆符号序列的图像相对路径

详细信息：

• 纽姆符号序列长度在1到15个符号之间。
• 序列中的所有纽姆符号都可在训练集中找到。
• 图像可能包含视觉伪影；建议进行预处理。

---

📤 输出文件格式

输出文件（submission.csv）必须包含3个字段：

• subtaskID – 始终为1
• datapointID – 序列图像的相对路径
• answer – 识别的序列，作为用|分隔的整数，每个数字表示相对于初始音级的累积相对距离

示例：

纽姆符号序列：

个别音调意义：1, -2, 1, 1, 1, -1, 无, 1, -1, -1

输出文件：

subtaskID	datapointID	answer
1	images/seq1.png	1|-1|0|1|2|1|1|2|1|0

---

🏆 评分

• 正确确定纽姆符号数量得1分。
• 每个正确分类的纽姆符号额外得1分。

示例：

• 预期输出：1|2|0|0|1
• 实际输出：1|2|0|2|3
• 获得分数：6分中的5分

最终得分： 获得的总分与最大可能分数（3354）的比率，以百分比表示，通过加法四舍五入到整数。