Projekt klasyfikacji obrazów

W tym projekcie zbudujemy prostą sieć CNN do klasyfikowania obrazów według kategorii. Klasyfikacja obrazów polega na przewidywaniu kategorii lub etykiety obrazu wejściowego.

Zbiór danych do klasyfikacji

Wykorzystamy zbiór danych CIFAR-10, który zawiera 60 000 obrazów należących do 10 kategorii, takich jak samoloty, samochody, ptaki i koty. Każdy obraz ma wymiary 32×32 piksele i 3 kanały kolorów (RGB).

Wczytywanie zbioru danych

Wczytamy zbiór danych CIFAR-10 za pomocą 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)

Budowanie modelu CNN

Zdefiniujemy architekturę CNN z warstwami konwolucyjnymi, warstwami poolingowymi i warstwami w pełni połączonymi:

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')
])

Kompilowanie modelu

Model kompilujemy z użyciem:

• Funkcji straty: Kategorycznej entropii krzyżowej do klasyfikacji wieloklasowej.
• Optymalizatora: Optymalizatora Adam zapewniającego wydajne uczenie.
• Metryk: Dokładności do oceny skuteczności.

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

Trenowanie modelu

Trenujemy model na danych treningowych przez 10 epok. Podczas trenowania model uczy się klasyfikować obrazy według kategorii.

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

Ocena modelu

Po zakończeniu trenowania oceniamy model na danych testowych, aby sprawdzić jego dokładność:

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

Tworzenie predykcji

Możemy użyć wytrenowanego modelu do tworzenia predykcji dla nowych obrazów:

# 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]}")

Wyzwania związane z klasyfikacją obrazów

Do typowych wyzwań należą:

• Przeuczenie: Model działa dobrze na danych treningowych, ale słabo na nowych danych.
• Niezrównoważenie klas: Nierównomierna reprezentacja kategorii w zbiorze danych.
• Koszt obliczeniowy: Trenowanie głębokich sieci wymaga znacznych zasobów.

Podsumowanie i kolejne kroki

W ramach tego projektu:

• Zbudowaliśmy i wytrenowaliśmy sieć CNN do klasyfikacji obrazów, korzystając ze zbioru danych CIFAR-10.
• Nauczyliśmy się wczytywać, wstępnie przetwarzać i oceniać zbiór danych.
• Omówiliśmy wyzwania związane z zadaniami klasyfikacji obrazów.

Następnie poznamy techniki augmentacji danych, które poprawiają działanie modelu poprzez generowanie wariantów obrazów treningowych.