imageclassification

ケラスとの実用的な画像分類：

• こんにちはコラブ
• 画像分類
• 事前に守られた特徴Vizualization
• 転送学習
• 機能ベースの画像検索

---

01 Hellocolab.ipynb

基本的なコラブデモ

---

02 imageclassification.ipynb

このコードでは、基本的な画像分類子を実装します。

• データセットをロードする（mnist手書きの数字）
• 深い学習モデルを設計し、その学習可能なパラメーターを調べる
• トレーニングデータでモデルをトレーニングし、学習曲線を検査します
• 見られなかったテストデータの訓練されたモデルを評価する
• 後で使用するためにモデルを保存します
• モデルをロードして使用します

---

03前処理したfeatureviz .ipynb

このコードでは、事前に処理された画像分類ネットワークをロードします

• Resnet50
• VGG16
• VGG19

次に、前提条件のネットワークを使用して、機能抽出と視覚化がT-SNEを介して行われます

---

04 TransferLearning.ipynb

転送学習では、ソースタスクによって学んだ知識を活用して、別のターゲットタスクの学習を支援したいと考えています。たとえば、よく訓練されたリッチな画像分類ネットワークを、ターゲット関連のタスクに別の画像に活用できます。別の例は、シミュレートされた環境でトレーニングされたネットワークによって学んだ知識を、実際の環境のためにネットワークに転送することができます。基本的に、ニューラルネットワーク転送学習には2つの基本的なシナリオがあります。

• 特徴抽出
• 微調整

転送学習のよく知られている例は、画像を1000クラスのいずれかに分類することができる既に訓練された大規模分類VGGネットワ​​ークをロードし、特別な医療画像の分類などの別のタスクに使用できることです。

---

05 featurebasedimagesearch.ipynb

画像検索エンジン：一般的に言えば、検索エンジンは通常クエリを取り、結果を返します。 Image Search Enginesは入力画像を画像クエリとして撮影し、画像検索エンジンはインデックス付きデータベース内の「同様の」画像を見つけ、検索結果としてそれらを返します。 2つの画像間の類似性を測定する方法は？

• ピクセルスペース：1つの簡単な方法は、ピクセル空間内の2つの画像間のユークリッド距離を測定することです。したがって、2つの画像が対応するピクセルの共通値またはニアリス値が「同様」と見なされます。これは時々機能する可能性がありますが、青い背景を持つイルカと飛行機の画像は、ピクセルの観点から類似していると見なされ、それを望んでいません！
• 機能スペース：別のアプローチは、2つの画像間のユークリッド距離を計算するときに、ピクセルスペースの代わりに機能空間を使用することです。言い換えれば、画像を類似の機能を持つ画像が互いに近い空間に投影します。この空間では、ピクセルレベルの類似性にもかかわらず、イルカと飛行機は分離されています。