دا د ډاډ وړ ده چې پوهیږو چې موږ د خپلو طبیعي وړتیاو سره روبوټونو ته د مثال په توګه د زده کړې او د دوی شاوخوا درک کولو اداره کړې. بنسټیزه ننګونه هغه کسان دي چې کمپیوټر ته د "وګورو" ښوونه کوي لکه انسانان به ډیر وخت او هڅې ته اړتیا ولري.
په هرصورت، کله چې موږ عملي ارزښت په پام کې ونیسو چې دا مهارت اوس مهال سازمانونو او تصدیو ته چمتو کوي، هڅې د ارزښت وړ دي. په دې مقاله کې، تاسو به د انځور درجه بندي، دا څنګه کار کوي، او د هغې عملي پلي کولو په اړه زده کړه وکړئ. راځئ چې پیل وکړو.
د انځور طبقه بندي څه ده؟
په انځور کې د تغذیه کولو دنده a نوریال شبکه او د دې عکس لپاره د لیبل ځینې ډول تولید کول د عکس پیژندنې په نوم پیژندل کیږي. د شبکې محصول لیبل به د مخکې ټاکل شوي ټولګي سره مطابقت ولري.
کیدای شي انځور ته ګمارل شوي ډیری ټولګي وي، یا په ساده ډول یو. کله چې یوازې یوه ټولګي وي، د "پیژندنې" اصطلاح په مکرر ډول کارول کیږي، پداسې حال کې چې ډیری ټولګي شتون لري، د "طبقه بندی" اصطلاح په مکرر ډول کارول کیږي.
د څيز کشف د انځور طبقه بندي یوه فرعي ټولګه ده په کوم کې چې د شیانو ځانګړي مثالونه د ورکړل شوي ټولګي پورې اړه لري لکه څاروي، وسایط، یا انسانان.
د انځور طبقه بندي څنګه کار کوي؟
د پکسل په بڼه یو انځور د کمپیوټر لخوا تحلیل کیږي. دا د میټریکونو ټولګه په توګه د عکس درملنه کولو سره دا سرته رسوي ، چې اندازه یې د عکس ریزولوشن لخوا ټاکل کیږي. په ساده ډول ووایو، د انځور درجه بندي د احصایوي معلوماتو مطالعه ده چې د کمپیوټر له لید څخه د الګوریتمونو په کارولو سره.
د عکس طبقه بندي د ډیجیټل عکس پروسس کولو کې د پکسلز په مخکې ټاکل شوي ګروپونو یا "ټولګیو" کې د ګروپ کولو له لارې ترسره کیږي. الګوریتم عکس د پام وړ ځانګړتیاو په تسلسل کې ویشي، کوم چې د وروستي طبقه بندي لپاره بار کموي.
دا ځانګړتیاوې طبقه بندي کونکي ته د عکس معنی او احتمالي طبقه بندي په اړه خبر ورکوي. ځکه چې د انځور په طبقه بندي کولو کې پاتې پروسې په دې پورې اړه لري، د ځانګړتیا استخراج میتود خورا مهم پړاو دی.
د معلومات ورکړل الګوریتم ته هم د عکس په طبقه بندي کې خورا مهم دی، په ځانګړې توګه د څارنې طبقه بندي. د ټولګي او ټیټ عکس او تشریح کیفیت پراساس د ډیټا عدم توازن سره د یو خطرناک ډیټاسیټ په پرتله ، د غوره غوره شوي ډلبندۍ ډیټاسیټ په زړه پوري فعالیت کوي.
په python کې د Tensorflow او Keras په کارولو سره د عکس طبقه بندي
موږ به وکاروو CIFAR-10 ډیټاسیټ (چې پکې الوتکې، الوتکې، الوتونکي او نور 7 شیان شامل دي).
1. د نصبولو اړتیاوې
لاندې کوډ به ټول اړین شرایط نصب کړي.
2. د وارداتو انحصار
په Python کې د train.py فایل جوړ کړئ. لاندې کوډ به د Tensorflow او Keras انحصارونه وارد کړي.
3. د پیرامیټونو پیل کول
CIFAR-10 یوازې د 10 انځورونو کټګورۍ لري، له دې امله د ټولګیو شمیر په ساده ډول د طبقه بندی کولو لپاره د کټګوریو شمیر ته اشاره کوي.
4. د ډیټا سیټ پورته کول
فنکشن د ډیټاسیټ پورته کولو لپاره د Tensorflow ډیټاسیټس ماډل کاروي، او موږ د دې په اړه ځینې معلومات ترلاسه کولو لپاره ریښتیا ته د معلوماتو سره تنظیم کوو. تاسو کولی شئ دا چاپ کړئ ترڅو وګورئ چې ساحې او د دوی ارزښتونه څه دي، او موږ به د روزنې او ازموینې سیټونو کې د نمونو شمیر بیرته ترلاسه کولو لپاره معلومات وکاروو.
5. د ماډل جوړول
اوس به موږ درې پرتونه جوړ کړو، هر یو به دوه ConvNets ولري چې د max-poling او ReLU فعالولو فعالیت سره، وروسته د بشپړ تړل شوي 1024-یونټ سیسټم سره. د ResNet50 یا Xception په پرتله، کوم چې د عصري ماډلونو څخه دي، دا ممکن نسبتا کوچنی ماډل وي.
6. د ماډل روزنه
ما په هر دور کې دقت او زیان اندازه کولو لپاره ټینسربورډ کارولی او موږ ته د ډیټا واردولو او ماډل تولیدولو وروسته په زړه پورې نندارتون چمتو کوو. لاندې کوډ چل کړئ؛ ستاسو د CPU/GPU پورې اړه لري، روزنه به څو دقیقې وخت ونیسي.
د ټینسربورډ کارولو لپاره، یوازې په اوسني ډایرکټر کې په ټرمینل یا کمانډ پرامپټ کې لاندې کمانډ ټایپ کړئ:
تاسو به وګورئ چې د اعتبار ضایع کمیږي او دقت شاوخوا 81٪ ته لوړیږي. دا په زړه پورې ده!
د ماډل معاینه کول
کله چې روزنه پای ته ورسیږي، وروستی ماډل او وزنونه د پایلو په فولډر کې خوندي شوي، موږ ته اجازه راکوي چې یو ځل روزنه وکړو او هرکله چې موږ غوره کړو وړاندوینې وکړو. کوډ په نوي python فایل کې تعقیب کړئ test.py.
7. د ازموینې لپاره د اسانتیاوو واردول
8. د python لارښود جوړول
د Python قاموس جوړ کړئ چې د هر عدد ارزښت د ډیټاسیټ مناسب لیبل ته وژباړي:
9. د ازموینې ډاټا او ماډل بارول
لاندې کوډ به د ازموینې ډاټا او ماډل بار کړي.
10. ارزونه او وړاندوینه
لاندې کوډ به د چونګښې په عکسونو ارزونه او وړاندوینې وکړي.
11. پایلې
ماډل د چونګښې وړاندوینه د 80.62٪ دقت سره وکړه.
پایله
ښه، موږ د دې درس سره بشپړ شو. پداسې حال کې چې 80.62٪ د لږ CNN لپاره ښه نه دی، زه تاسو ته په کلکه مشوره درکوم چې ماډل بدل کړئ یا د غوره پایلو لپاره ResNet50، Xception، یا نور عصري ماډلونه وګورئ.
اوس چې تاسو په کیراس کې د خپل لومړي عکس پیژندنې شبکه جوړه کړې ، تاسو باید د ماډل سره تجربه وکړئ ترڅو ومومئ چې مختلف پیرامیټونه د دې فعالیت څنګه اغیزه کوي.
یو ځواب ورکړئ ووځي