Kuvien luokitteluprojekti

Tässä projektissa rakennamme yksinkertaisen CNN-verkon, joka luokittelee kuvia eri luokkiin. Kuvien luokittelussa ennustetaan syötekuvan luokka tai tunniste.

Käytämme CIFAR-10-datajoukkoa, joka koostuu 60 000 kuvasta 10 luokassa, kuten lentokoneista, autoista, linnuista ja kissoista. Kunkin kuvan koko on 32×32 pikseliä, ja siinä on 3 värikanavaa (RGB).

Lataamme CIFAR-10-datajoukon TensorFlow’n avulla:

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)

Määrittelemme CNN-arkkitehtuurin, joka sisältää konvoluutio-, pooling- ja täysin yhdistettyjä kerroksia:

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')
])

Käännämme mallin seuraavilla asetuksilla:

• Häviöfunktio: Kategorinen ristientropia moniluokkaista luokittelua varten.
• Optimointimenetelmä: Adam-optimointimenetelmä tehokasta oppimista varten.
• Mittarit: Tarkkuus suorituskyvyn arviointiin.

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

Koulutamme mallia koulutusdatan avulla 10 epookin ajan. Koulutuksen aikana malli oppii luokittelemaan kuvia eri luokkiin.

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

Koulutuksen jälkeen arvioimme mallin testidatan avulla tarkistaaksemme sen tarkkuuden:

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

Koulutetun mallin avulla voimme tehdä ennusteita uusista kuvista:

# 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]}")

Yleisiä haasteita ovat:

• Ylisovittaminen: Malli suoriutuu hyvin koulutusdatalla mutta heikosti uudella datalla.
• Luokkien epätasapaino: Luokat ovat datajoukossa edustettuina epätasaisesti.
• Laskennallinen kustannus: Syvien verkkojen kouluttaminen vaatii huomattavasti resursseja.

Tässä projektissa:

• Rakensimme ja koulutimme CNN-verkon kuvien luokittelua varten CIFAR-10-datajoukon avulla.
• Opimme lataamaan, esikäsittelemään ja arvioimaan datajoukon.
• Keskustelimme kuvien luokittelutehtävien haasteista.

Seuraavaksi tutustumme data-augmentointitekniikoihin, joilla mallin suorituskykyä voidaan parantaa tuottamalla koulutuskuvista muunnelmia.