Projekt om billedklassifikation

I dette projekt bygger vi et enkelt CNN, der klassificerer billeder i kategorier. Billedklassifikation går ud på at forudsige kategorien eller etiketten for et billede, der gives som inddata.

Vi bruger datasættet CIFAR-10, som består af 60.000 billeder fordelt på 10 kategorier, f.eks. fly, biler, fugle og katte. Hvert billede er på 32×32 pixels og har 3 farvekanaler (RGB).

Vi indlæser datasættet CIFAR-10 med TensorFlow:

import tensorflow as tf
from tensorflow.keras.datasets import cifar10

# Load dataset
(x_train, y_train), (x_test, y_test) = cifar10.load_data()

# Normalize the pixel values to [0, 1]
x_train = x_train / 255.0
x_test = x_test / 255.0

print("Training data shape:", x_train.shape)

Vi definerer en CNN-arkitektur med konvolutionslag, poolinglag og fuldt forbundne lag:

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Conv2D, MaxPooling2D, Flatten, Dense

# Define the CNN model
model = Sequential([
    Conv2D(32, (3, 3), activation='relu', input_shape=(32, 32, 3)),
    MaxPooling2D((2, 2)),
    Conv2D(64, (3, 3), activation='relu'),
    MaxPooling2D((2, 2)),
    Flatten(),
    Dense(128, activation='relu'),
    Dense(10, activation='softmax')
])

Vi kompilerer modellen med:

• Tabsfunktion: Kategorisk krydsentropi til klassifikation i flere klasser.
• Optimeringsalgoritme: Adam-optimeringsalgoritmen for effektiv indlæring.
• Målepunkter: Nøjagtighed til evaluering af ydeevnen.

# Compile the model
model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])

Vi træner modellen med træningsdataene i 10 epoker. Under træningen lærer modellen at klassificere billeder i kategorier.

# Train the model
model.fit(x_train, y_train, epochs=10, validation_data=(x_test, y_test))

Efter træningen evaluerer vi modellen på testdataene for at kontrollere dens nøjagtighed:

# Evaluate the model
loss, accuracy = model.evaluate(x_test, y_test)
print(f"Test Accuracy: {accuracy * 100:.2f}%")

Vi kan bruge den trænede model til at lave forudsigelser på nye billeder:

# Predict the category of a test image
import numpy as np

sample_image = x_test[0]
sample_label = y_test[0]

prediction = np.argmax(model.predict(sample_image[np.newaxis, ...]))
print(f"Predicted Label: {prediction}, Actual Label: {sample_label[0]}")

Almindelige udfordringer omfatter:

• Overtilpasning: Modellen fungerer godt på træningsdata, men dårligt på nye data.
• Klasseubalance: Kategorierne er repræsenteret i forskelligt omfang i datasættet.
• Beregningsomkostning: Træning af dybe netværk kræver betydelige ressourcer.

I dette projekt:

• Byggede og trænede vi et CNN til billedklassifikation med datasættet CIFAR-10.
• Lærte vi at indlæse, forbehandle og evaluere datasættet.
• Diskuterede vi udfordringer ved billedklassifikationsopgaver.

Derefter undersøger vi teknikker til dataforøgelse for at forbedre modellens ydeevne ved at generere variationer af træningsbilleder.