imageclassification

Klasifikasi gambar praktis dengan keras:

• Halo Colab
• Klasifikasi Gambar
• Vizualisasi fitur pretrained
• Transfer pembelajaran
• Pencarian Gambar Berbasis Fitur

---

01 HELLOCOLAB.IPYNB

Demo Colab Dasar

---

02 Imageclasification.ipynb

Dalam kode ini, kami akan mengimplementasikan classifier gambar dasar:

• Muat Dataset (Digit Tertulis Tangan Mnist)
• Rancang model pembelajaran yang mendalam dan periksa parameter yang dapat dipelajari
• Latih model pada data pelatihan dan periksa kurva pembelajaran
• Mengevaluasi model terlatih pada data pengujian yang tidak pernah terlihat
• Simpan model untuk digunakan nanti
• Memuat dan menggunakan model

---

03 pretrainedfeatureViz .ipynb

Dalam kode ini kita akan memuat jaringan klasifikasi gambar pretrained

• Resnet50
• VGG16
• VGG19

Kemudian menggunakan jaringan pretrained , ekstraksi fitur dan visualisasi dilakukan melalui T-SNE

---

04 TransferLearning.ipynb

Dalam Transfer Learning, kami ingin memanfaatkan pengetahuan yang dipelajari dengan tugas sumber untuk membantu mempelajari tugas target lain. Misalnya, jaringan klasifikasi gambar yang kaya dan kaya dapat dimanfaatkan untuk tugas terkait target gambar lain. Contoh lain, pengetahuan yang dipelajari oleh jaringan yang dilatih tentang lingkungan simulasi dapat ditransfer ke jaringan untuk lingkungan nyata. Pada dasarnya, ada dua skenario dasar untuk pembelajaran transfer jaringan saraf:

• Ekstraksi fitur
• Tuning fine

Contoh yang terkenal untuk pembelajaran transfer adalah memuat jaringan VGG klasifikasi skala besar yang sudah terlatih yang dapat mengklasifikasikan gambar ke dalam salah satu dari 1000 kelas, dan menggunakannya untuk tugas lain seperti klasifikasi gambar medis khusus.

---

05 FeatureBasedImageSearch.ipynb

Mesin pencari gambar: Secara umum, mesin pencari biasanya mengambil kueri dan mengembalikan hasil. Mesin pencari gambar mengambil gambar input sebagai kueri gambar, kemudian mesin pencari gambar menemukan gambar "serupa" dalam database yang diindeks dan mengembalikannya sebagai hasil pencarian. Bagaimana cara mengukur kesamaan antara dua gambar?

• Ruang piksel : Salah satu cara sederhana adalah dengan mengukur jarak Euclidean antara dua gambar di ruang piksel. Dengan demikian, jika dua gambar memiliki nilai umum atau dekat untuk piksel yang sesuai, kemudian dianggap "serupa". Ini bisa bekerja beberapa kali, namun gambar lumba -lumba dan pesawat udara dengan latar belakang biru akan dianggap serupa dari sudut pandang piksel, dan kami tidak menginginkannya!
• Ruang fitur : Pendekatan lain adalah menggunakan ruang fitur alih -alih ruang piksel saat menghitung jarak Euclidean antara kedua gambar. Dengan kata lain, memproyeksikan gambar ke ruang di mana gambar dengan fitur serupa dekat satu sama lain. Dalam ruang ini lumba -lumba dan pesawat terbang dipisahkan meskipun kesamaan tingkat piksel.