imageclassification

Praktische Bildklassifizierung mit Keras:

• Hallo Colab
• Bildklassifizierung
• Presented Merkmal Vizualisierung
• Übertragungslernen
• Funktionsbasierte Bildsuche

---

01 Hellocolab.ipynb

Grundlegende Colab -Demo

---

02 ImageClassification.IPYNB

In diesem Code werden wir einen grundlegenden Image -Klassifizierer implementieren:

• Laden Sie den Datensatz (MNIST HAND STRIFT Ziffern)
• Entwerfen Sie ein Deep -Lern -Modell und überprüfen Sie seine lernbaren Parameter
• Trainieren Sie das Modell in den Trainingsdaten und überprüfen Sie die Lernkurven
• Bewerten Sie das ausgebildete Modell auf den noch nie gesehenen Testdaten
• Speichern Sie das Modell für die spätere Verwendung
• Laden und verwenden Sie das Modell

---

03 PretrainainedFeatureviz .Ipynb

In diesem Code werden wir vorab vorbereitete Bildklassifizierungsnetzwerke laden

• Resnet50
• VGG16
• VGG19

Wenn Sie dann ein vorgezogenes Netzwerk verwenden, wird die Merkmalextraktion und Visualisierung über T-SNE durchgeführt

---

04 TransferLearning.IPynb

Beim Übertragungslernen möchten wir das von einer Quellaufgabe gelernte Wissen nutzen, um eine andere Zielaufgabe zu erlernen. Beispielsweise könnte ein gut ausgebildetes, reichhaltiges Bildklassifizierungsnetzwerk für eine andere Aufgabe des Bildziels genutzt werden. Ein weiteres Beispiel: Das von einem in simulierten Umgebung geschulte Netzwerk gelernte Wissen kann für die tatsächliche Umgebung in ein Netzwerk übertragen werden. Grundsätzlich gibt es zwei grundlegende Szenarien für neuronale Netzwerke Transfer Learning:

• Feature -Extraktion
• Feinabstimmung

Ein bekanntes Beispiel für das Übertragungslernen ist das Laden des bereits geschultes VGG -Netzwerks in großem Maßstab, das Bilder in eine von 1000 Klassen klassifizieren kann, und es für eine andere Aufgabe wie die Klassifizierung spezieller medizinischer Bilder zu verwenden.

---

05 FeatureBasedImageSearch.IPynb

Bildsuchmaschinen: Im Allgemeinen nimmt die Suchmaschine normalerweise eine Abfrage und gibt Ergebnisse zurück. Bildsuchmaschinen nimmt ein Eingabebild als Bildabfrage auf, dann findet die Bildsuchmaschine die "ähnlichen" Bilder in seiner indizierten Datenbank und gibt sie als Suchergebnis zurück. Wie misst ich die Ähnlichkeit zwischen zwei Bildern?

• Pixelraum : Eine einfache Möglichkeit besteht darin, den euklidischen Abstand zwischen den beiden Bildern im Pixelraum zu messen. Dementsprechend werden zwei Bilder für die entsprechenden Pixel als "ähnlich" als "ähnlich" angesehen. Dies könnte einige Male funktionieren, aber ein Delphin- und Luftebene -Bilder mit blauem Hintergrund wird aus Pixel -Sicht ähnlich angesehen, und das wollen wir nicht!
• Merkmalsraum : Ein anderer Ansatz besteht darin, den Merkmalsraum anstelle des Pixelraums bei der Berechnung des euklidischen Abstands zwischen den beiden Bildern zu verwenden. Mit anderen Worten, projizieren Sie die Bilder in einen Raum, in dem Bilder mit ähnlichen Merkmalen nahe beieinander liegen. In diesem Weltraum werden Delfine und Flugzeuge trotz der Ähnlichkeit des Pixelspiegels getrennt.