Li rasire nou konnen ke nou te jere yo anbre robo ak kapasite natirèl nou yo aprann pa egzanp ak wè anviwònman yo. Defi fondamantal la se moun k ap anseye òdinatè yo pou yo "wè" tankou moun ta bezwen plis tan ak efò.
Sepandan, lè nou konsidere valè pratik ke konpetans sa a kounye a bay òganizasyon ak antrepriz, efò a se entérésan. Nan atik sa a, ou pral aprann sou klasifikasyon imaj, ki jan li fonksyone, ak aplikasyon pratik li yo. Ann kòmanse.
Ki sa ki se klasifikasyon imaj?
Travay la nan manje yon imaj nan yon nè rezo epi gen li pwodiksyon kèk fòm etikèt pou foto sa a ke yo rekonèt kòm rekonesans imaj. Etikèt pwodiksyon rezo a pral koresponn ak yon klas pre-defini.
Ka gen anpil klas ki asiyen nan foto a, oswa tou senpleman yon sèl. Lè gen yon sèl klas, tèm "rekonesans" yo itilize souvan, tandiske lè gen plizyè klas, tèm "klasifikasyon" yo itilize souvan.
Deteksyon objè se yon sou-ansanm klasifikasyon foto kote yo detekte sikonstans patikilye objè ki fè pati yon klas bay tankou bèt, machin, oswa moun.
Ki jan klasifikasyon imaj travay?
Yon imaj nan fòm piksèl analize pa yon òdinatè. Li akonpli sa a nan trete foto a kòm yon koleksyon matris, gwosè a nan ki detèmine pa rezolisyon an imaj. Senpleman pale, klasifikasyon foto se etid la nan done estatistik itilize algoritm nan pèspektiv yon òdinatè.
Klasifikasyon imaj yo akonpli nan pwosesis imaj dijital lè yo gwoupe piksèl nan gwoup predetèmine, oswa "klas." Algoritm yo divize imaj la nan yon siksesyon nan karakteristik enpòtan pou remake, ki diminye fado a pou klasifikasyon final la.
Kalite sa yo enfòme klasifikasyon an sou siyifikasyon imaj la ak klasifikasyon potansyèl yo. Paske rès pwosesis yo nan klasifikasyon yon foto yo depann sou li, metòd ekstraksyon karakteristik se faz ki pi kritik.
Jounal done yo bay yo Algorithm a enpòtan tou nan klasifikasyon imaj, espesyalman klasifikasyon sipèvize. An konparezon ak yon seri done terib ak dezekilib done ki baze sou klas ak foto ki ba ak bon jan kalite anotasyon, yon seri done klasifikasyon byen optimize fè admirab.
Klasifikasyon imaj lè l sèvi avèk Tensorflow & Keras nan python
Nou pral sèvi ak la CIFAR-10 dataset (ki gen ladann avyon, avyon, zwazo, ak lòt 7 bagay).
1. Enstale Kondisyon yo
Kòd ki anba a pral enstale tout kondisyon yo.
2. Enpòte depandans
Fè yon fichye train.py nan Python. Kòd ki anba a pral enpòte depandans Tensorflow ak Keras.
3. Inisyalize paramèt
CIFAR-10 gen ladan jis 10 kategori foto, kidonk kantite klas yo tou senpleman refere a kantite kategori yo klase.
4. Chaje dataset la
Fonksyon an itilize modil Tensorflow Datasets pou chaje dataset la, epi nou mete enfòmasyon sou Vrè pou jwenn kèk enfòmasyon sou li. Ou ka enprime li pou wè ki jaden ak valè yo ye, epi nou pral sèvi ak enfòmasyon an pou jwenn kantite echantiyon ki genyen nan seri fòmasyon ak tès yo.
5. Kreye modèl la
Koulye a, nou pral bati twa kouch, chak ki gen de ConvNets ak yon max-pooling ak fonksyon aktivasyon ReLU, ki te swiv pa yon sistèm 1024-inite konplètman konekte. An konparezon ak ResNet50 oswa Xception, ki se modèl eta-of-atizay la, sa a ta ka yon modèl konparativman ti.
6. Fòmasyon modèl la
Mwen te itilize Tensorboard pou mezire presizyon ak pèt nan chak epòk epi ban nou yon bèl ekspozisyon apre enpòte done yo ak jenere modèl la. Kouri kòd sa a; Tou depan de CPU/GPU ou, fòmasyon pral pran plizyè minit.
Pou itilize tensorboard, jis tape lòd sa a nan tèminal la oswa èd memwa lòd nan anyè aktyèl la:
Ou pral wè ke pèt validation ap diminye ak presizyon ap monte nan apeprè 81%. Sa kokenn!
Tès modèl la
Lè fòmasyon an fini, modèl final la ak pwa yo sove nan katab rezilta a, sa ki pèmèt nou antrene yon fwa epi fè prediksyon nenpòt lè nou chwazi. Swiv kòd la nan yon nouvo dosye python ki rele test.py.
7. Enpòte sèvis piblik yo pou fè tès
8. Fè yon anyè python
Fè yon diksyonè Python ki tradui chak valè nonb antye relatif nan etikèt ki apwopriye a ansanm done yo:
9. Loading tès done & modèl
Kòd sa a pral chaje done tès la ak modèl.
10. Evalyasyon ak Prediksyon
Kòd sa a pral evalye epi fè prediksyon sou imaj krapo yo.
11. Rezilta yo
Modèl la prevwa krapo a ak 80.62% presizyon.
konklizyon
Oke, nou fini ak leson sa a. Pandan ke 80.62% pa bon pou yon ti CNN, mwen konseye w chanje modèl la oswa gade nan ResNet50, Xception, oswa lòt modèl dènye kri pou pi bon rezilta.
Kounye a ke ou te konstwi premye rezo rekonesans imaj ou nan Keras, ou ta dwe fè eksperyans ak modèl la pou dekouvri ki jan diferan paramèt afekte pèfòmans li.
Kite yon Reply