绘制单词档案

✍️ 手绘单词档案馆 🖼️

✨ 视觉识别挑战

在一个名为
手绘单词档案馆的秘密数字图书馆中，保存着数千张手写单词的图像，每张图像都配有一个小插图来暗示其含义。

不幸的是，一个神秘的故障影响了索引系统，许多图像的标签都丢失了。
现在，只有一位计算机视觉大师才能恢复这些图像的秩序和意义。

每张图像包含：

• 一个手写单词，白色背景上的黑色墨水
• 一个小插图，代表该单词的物体或概念

风格真实、干净、清晰，但必须完全从图像中识别单词。

🗂 接收的数据

你可以使用以下文件：

📁 train.csv

包含用于训练的标注示例：

• image_path – 图像路径
• label – 图像中的手写单词
  train.csv中的所有图像都位于output_dataset/train/目录中。

📁 test.csv

包含：

• image_path – 图像路径

⚠️ label列缺失，需要由你的模型预测。

test.csv中的所有图像都位于output_dataset/test/目录中。

🧠 模型需要识别的单词

你的模型需要从以下20个可能的单词中准确识别一个：

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

每张图像属于单一类别。

🎯 你的任务

构建一个图像分类模型，对test.csv中的每张图像正确预测手写单词。

📤 submission.csv文件格式

最后，你将生成一个**submission.csv**文件，结构如下：

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

📊 评估

模型性能将使用准确率进行评估：

1accuracy = (正确预测数量 / 总预测数量)

🏅 评分系统：

• accuracy ≥ 98% → 100分
• accuracy ≤ 20% → 0分
• 其他 → 0到100之间线性缩放

🏆 成为手绘单词档案馆的大师！

每个字母都很重要。每一笔墨水都隐藏着意义。

证明你的模型能够看见、理解和识别图像中的单词，并恢复手绘单词档案馆的秩序！ ✨📚