imageclassification

Classificação de imagem prática com Keras:

• Olá colab
• Classificação da imagem
• Vizualização de características pré -tenhadas
• Transferência de aprendizado
• Pesquisa de imagem baseada em recursos

---

01 hellocolab.ipynb

Demonstração básica do COLAB

---

02 ImageClassification.ipynb

Neste código, vamos implementar um classificador de imagem básico:

• Carregue o conjunto de dados (dígitos escritos à mão do mnist)
• Projetar um modelo de aprendizado profundo e inspecionar seus parâmetros aprendidos
• Treine o modelo nos dados de treinamento e inspecione as curvas de aprendizado
• Avalie o modelo treinado nos dados de teste nunca vistos
• Salve o modelo para uso posterior
• Carregar e usar o modelo

---

03 Pré -ridedFeatureViz .Ipynb

Neste código, vamos carregar redes de classificação de imagens pré -terenciadas

• Resnet50
• VGG16
• VGG19

Em seguida, usando uma rede pré-treinada , a extração e a visualização de recursos são realizadas via T-Sne

---

04 Transferlearning.ipynb

No aprendizado de transferência, gostaríamos de alavancar o conhecimento aprendido por uma tarefa de origem para ajudar a aprender outra tarefa de destino. Por exemplo, uma rede de classificação de imagem rica e bem treinada pode ser alavancada para outra tarefa relacionada ao destino da imagem. Outro exemplo, o conhecimento aprendido por uma rede treinado em ambiente simulado pode ser transferido para uma rede para o ambiente real. Basicamente, existem dois cenários básicos para as redes neurais transferem aprendizado:

• Extração de recursos
• Afinação

Um exemplo bem conhecido para o aprendizado de transferência é carregar a rede VGG de classificação em larga escala já treinada, capaz de classificar imagens em uma das 1000 classes e usá -la para outra tarefa, como a classificação de imagens médicas especiais.

---

05 RecursoBasedImageSearch.ipynb

Motores de pesquisa de imagem: De um modo geral, o mecanismo de pesquisa geralmente pega uma consulta e retorna os resultados. Os mecanismos de pesquisa de imagem tomam uma imagem de entrada como uma consulta de imagem, o mecanismo de pesquisa de imagem encontra as imagens "semelhantes" dentro do banco de dados indexado e as retorna como resultado da pesquisa. Como medir a semelhança entre duas imagens?

• Espaço de pixel : uma maneira simples é medir a distância euclidiana entre as duas imagens no espaço de pixels. Consequentemente, se duas imagens têm valores comuns ou próximos para os pixels correspondentes, são considerados "semelhantes". Isso pode funcionar algumas vezes, no entanto, um golfinho e imagens de avião com fundo azul serão consideradas semelhantes do ponto de vista dos pixels, e não queremos isso!
• Espaço de recurso : outra abordagem é usar o espaço de recursos em vez do espaço de pixels ao calcular a distância euclidiana entre as duas imagens. Em outras palavras, projete as imagens em um espaço em que imagens com recursos semelhantes estão próximas um do outro. Neste espaço, golfinhos e aviões são separados, apesar da similaridade do nível de pixels.