Prosjekt for bildeklassifisering

I dette prosjektet skal vi bygge et enkelt CNN for å klassifisere bilder i kategorier. Bildeklassifisering innebærer å forutsi kategorien eller etiketten til et inndatabilde.

Vi skal bruke datasettet CIFAR-10, som består av 60 000 bilder fordelt på 10 kategorier, for eksempel fly, biler, fugler og katter. Hvert bilde er på 32×32 piksler og har 3 fargekanaler (RGB).

Vi skal laste inn datasettet CIFAR-10 ved hjelp av 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 skal definere en CNN-arkitektur med konvolusjonslag, poolinglag og fullt tilkoblede 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:

• Tapsfunksjon: Kategorisk kryssentropi for flerklasseklassifisering.
• Optimaliserer: Adam-optimalisereren for effektiv læring.
• Måltall: Nøyaktighet for å evaluere ytelsen.

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

Vi trener modellen med treningsdataene i 10 epoker. Under treningen lærer modellen å klassifisere bilder i kategorier.

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

Etter treningen evaluerer vi modellen med testdataene for å kontrollere nøyaktigheten:

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

Vi kan bruke den trente modellen til å generere prediksjoner for nye bilder:

# 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]}")

Vanlige utfordringer omfatter:

• Overtilpasning: Modellen fungerer godt på treningsdataene, men dårlig på nye data.
• Ubalanse mellom klasser: Kategoriene er ulikt representert i datasettet.
• Beregningskostnad: Trening av dype nettverk krever betydelige ressurser.

I dette prosjektet har vi:

• Bygget og trent et CNN for bildeklassifisering ved hjelp av datasettet CIFAR-10.
• Lært å laste inn, forhåndsbehandle og evaluere datasettet.
• Sett på utfordringer ved bildeklassifiseringsoppgaver.

Deretter skal vi utforske teknikker for dataaugmentering for å forbedre modellens ytelse ved å generere variasjoner av treningsbildene.