检测圣诞老人！

🎅 检测圣诞老人！

在平安夜，圣诞老人的工坊比以往任何时候都更加繁忙。精灵们在准备礼物，驯鹿们在擦亮铃铛，而圣诞老人……出现在来自世界各地的数千张照片中。

问题是并非所有这些图像都真正捕捉到了真正的圣诞老人。有些是服装，有些是玩偶、广告或穿着服装的人。为了不送错礼物，圣诞老人需要你们的帮助！

你们的任务是构建一个图像二元分类模型，来决定一张图像中是否出现了圣诞老人。

🎄 数据集

数据集是一个包含图像的压缩包，图像被组织在两个目录中，同时包含CSV文件train.csv和test.csv。

存在两个类别：

• Santa – 图像包含圣诞老人 (label = 1)
• Not Santa – 图像不包含圣诞老人 (label = 0)

📁 数据集结构

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文件结构

train.csv

包含用于训练模型的图像。

列：

• image_path – 图像的相对路径 (例如: train/img_000123.jpg)
• label –
  • 1 → 圣诞老人
  • 0 → 不是圣诞老人

test.csv

包含需要进行预测的图像。

列：

• image_path – 图像的相对路径

⚠️ 文件不包含label列。这需要由你们的模型来预测。

🎯 问题目标

对于测试集中的每张图像，你们的模型需要决定：

• 1 → 图像包含圣诞老人
• 0 → 图像不包含圣诞老人

结果将与组织者保密的真实标签进行比较。

⚙️ 评估标准

解决方案的性能将使用F1-score进行评估，这是一个结合了精确率和召回率的评估指标，适用于二元分类问题。

公式：

📨 提交文件格式

你们需要提交一个包含两列的CSV文件，格式如下：

🔹 提交示例

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

📝 分数分布

• F1-score ≥ 0.95 → 满分 🎁
• F1-score < 0.70 → 0分
• 对于中间值，分数按比例缩放

❄️ 注意事项

• 文件名不包含关于类别的信息
• 图像的顺序是随机的
• 允许使用任何机器学习方法
• 目标是训练模型识别视觉模式

🎅 圣诞老人依靠你们！
帮助他识别正确的图像，及时送达礼物！