Daptar eusi[Sumputkeun][Témbongkeun]
Éta ngayakinkeun pikeun terang yén kami parantos ngagentos robot kalayan kamampuan bawaan urang pikeun diajar ku conto sareng nganggap lingkunganana. Tangtangan dasarna nyaéta yén ngajar komputer pikeun "ningali" sapertos manusa peryogi langkung seueur waktos sareng usaha.
Nanging, nalika urang nganggap nilai praktis anu ayeuna disayogikeun ku kaahlian ieu pikeun organisasi sareng perusahaan, usaha éta patut. Dina artikel ieu, anjeun bakal diajar ngeunaan klasifikasi gambar, cara gawéna, sareng palaksanaan praktisna. Hayu urang mimitian.
Naon klasifikasi gambar?
Pakasaban nyoco hiji gambar kana a jaringan neural sarta ngabogaan eta kaluaran sababaraha bentuk labél pikeun gambar nu katelah pangakuan gambar. Labél kaluaran jaringan bakal cocog sareng kelas anu tos ditetepkeun.
Bisa jadi aya sababaraha kelas ditugaskeun ka gambar, atawa ngan hiji. Lamun ngan aya hiji kelas, istilah "pangakuan" remen dipake, sedengkeun lamun aya sababaraha kelas, istilah "klasifikasi" remen dipake.
Detéksi obyék mangrupa sawaréh tina klasifikasi gambar nu instance tinangtu objék dideteksi salaku milik hiji kelas tangtu kayaning sato, kandaraan, atawa manusa.
Kumaha klasifikasi gambar dianggo?
Gambar dina bentuk piksel dianalisis ku komputer. Ieu accomplishes ieu ku ngubaran gambar salaku kumpulan matrices, ukuranana ditangtukeun ku resolusi gambar. Kantun nyarios, klasifikasi gambar mangrupikeun ulikan data statistik anu ngagunakeun algoritma tina sudut pandang komputer.
Klasifikasi gambar dilaksanakeun dina ngolah gambar digital ku cara ngagolongkeun piksel kana grup anu tos ditangtukeun, atanapi "kelas". Algoritma ngabagi gambar kana sababaraha ciri anu penting, anu ngirangan beban pikeun pangklasifikasi akhir.
Kualitas ieu nginpokeun ka klasifikasi ngeunaan harti gambar sareng klasifikasi poténsial. Kusabab sesa prosés dina mengklasifikasikan gambar gumantung kana éta, métode ékstraksi karakteristik nyaéta fase paling kritis.
nu data disadiakeun kana algoritma ogé krusial dina klasifikasi gambar, utamana klasifikasi diawasan. Dibandingkeun sareng set data anu pikasieuneun sareng henteu saimbangna data dumasar kana kelas sareng kualitas gambar sareng anotasi anu rendah, set data klasifikasi anu dioptimalkeun saé ngalaksanakeun saé.
Klasifikasi gambar nganggo Tensorflow & Keras dina python
Urang bakal ngagunakeun éta CIFAR-10 dataset (anu ngawengku pesawat, kapal terbang, manuk, jeung 7 hal séjén).
1. Masang Syarat
Kodeu di handap bakal masang sadaya prasyarat.
2. Importing kagumantungan
Jieun file train.py dina Python. Kodeu di handap bakal ngimpor kagumantungan Tensorflow sareng Keras.
3. Initializing parameter
CIFAR-10 ngawengku ngan 10 kategori gambar, ku kituna num kelas saukur tingal jumlah kategori pikeun mengklasifikasikan.
4. Loading dataset
Fungsina ngagunakeun modul Tensorflow Datasets pikeun ngamuat set data, sareng kami nyetél inpormasi ka True pikeun kéngingkeun sababaraha inpormasi ngeunaan éta. Anjeun tiasa nyitak éta pikeun ningali naon widang sareng nilaina, sareng kami bakal ngagunakeun inpormasi pikeun nyandak jumlah conto dina set latihan sareng uji.
5. Nyieun modél
Ayeuna urang bakal ngawangun tilu lapisan, masing-masing diwangun ku dua ConvNets kalawan max-pooling sarta fungsi aktivasina ReLU, dituturkeun ku sistem 1024-unit disambungkeun pinuh. Dibandingkeun sareng ResNet50 atanapi Xception, anu mangrupikeun modél canggih, ieu tiasa janten modél anu rélatif leutik.
6. Ngalatih modél
I nganggo Tensorboard pikeun ngukur akurasi sareng karugian dina unggal jaman sareng masihan kami tampilan anu saé saatos ngimpor data sareng ngahasilkeun modél. Jalankeun kodeu di handap ieu; gumantung kana CPU anjeun / GPU, latihan bakal nyandak sababaraha menit.
Pikeun nganggo tensorboard, ketik paréntah di handap ieu dina terminal atanapi paréntah ajakan dina diréktori ayeuna:
Anjeun bakal ningali yén leungitna validasi ngirangan sareng akurasi naék sakitar 81%. Éta hebat pisan!
Nguji modél
Nalika latihan réngsé, modél final sareng beurat disimpen dina polder hasil, ngamungkinkeun urang ngalatih sakali sareng ngadamel prediksi iraha waé urang milih. Turutan kode dina file python anyar ngaranna test.py.
7. Importing Utiliti pikeun nguji
8. Nyieun diréktori python
Jieun kamus Python anu narjamahkeun unggal nilai integer kana labél anu luyu dina susunan data:
9. Loading data test & modél
Kodeu di handap ieu bakal ngamuat data sareng modél tés.
10. Evaluasi & Prediksi
Kodeu handap bakal evaluate sarta nyieun prediksi dina gambar bangkong.
11. hasil
Model ngaramal bangkong kalayan akurasi 80.62%.
kacindekan
Oké, urang parantos réngsé pelajaran ieu. Sanaos 80.62% henteu saé pikeun CNN sakedik, kuring nyarankeun pisan anjeun ngarobih modél atanapi ningali ResNet50, Xception, atanapi modél canggih anu sanés pikeun hasil anu langkung saé.
Ayeuna anjeun parantos ngawangun jaringan pangenal gambar munggaran anjeun di Keras, anjeun kedah ékspérimén sareng modél pikeun mendakan kumaha bédana parameter mangaruhan kinerjana.
Leave a Reply