Projekt: bildklassificering

I det här projektet bygger vi ett enkelt CNN för att klassificera bilder i kategorier. Bildklassificering innebär att förutsäga kategorin eller etiketten för en inmatad bild.

Vi använder datauppsättningen CIFAR-10, som består av 60 000 bilder i 10 kategorier, till exempel flygplan, bilar, fåglar och katter. Varje bild är 32×32 pixlar stor och har 3 färgkanaler (RGB).

Vi läser in datauppsättningen 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 definierar en CNN-arkitektur med konvolutionslager, poolinglager och fullt anslutna lager:

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 kompilerar modellen med:

• Förlustfunktion: Kategorisk korsentropi för klassificering i flera klasser.
• Optimerare: Optimeraren Adam för effektiv inlärning.
• Mätvärden: Noggrannhet för att utvärdera prestandan.

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

Vi tränar modellen med träningsdata under 10 epoker. Under träningen lär sig modellen att klassificera bilder i kategorier.

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

Efter träningen utvärderar vi modellen på testdata för att kontrollera dess noggrannhet:

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

Vi kan använda den tränade modellen för att göra förutsägelser på nya 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]}")

Vanliga utmaningar är:

• Överanpassning: Modellen presterar bra på träningsdata men dåligt på nya data.
• Klassobalans: Ojämn representation av kategorierna i datauppsättningen.
• Beräkningskostnad: Träning av djupa nätverk kräver betydande resurser.

I det här projektet:

• Byggde och tränade vi ett CNN för bildklassificering med datauppsättningen CIFAR-10.
• Lärde vi oss att läsa in, förbehandla och utvärdera datauppsättningen.
• Diskuterade vi utmaningar inom bildklassificering.

Härnäst utforskar vi tekniker för dataaugmentering för att förbättra modellens prestanda genom att generera varianter av träningsbilder.