Классификация изображений с использованием Fas14MNet
Что такое Fas14MNet?
Fas14MNet — это сеть CNN, вдохновленная архитектурой ResNet-50, но имеющая гораздо меньше параметров. Сеть следует блочной архитектуре ResNet, но с расширением ядра и сверткой слоев по глубине, чтобы сократить всего до 2 основных слоев на блок и 3 блоков свертки в целом. ResNet-50 имеет остаточный механизм добавления, который был заменен слоем Layer Pruning после каждого блока. Fas14MNet использует только ~15 млн параметров по сравнению с ~24 млн параметров в ResNet-50. Ссылка на проект PIP: https://pypi.org/project/Fas14MNet/
О данных
Мы используем следующие данные от Kaggle: https://www.kaggle.com/paramaggarwal/fashion-product-images-small
Данные содержат 44 тыс. изображений модных товаров. Данные были разделены на различные категории, а именно: пол, основная категория, подкатегория, цвет и т. д. В этом примере мы будем прогнозировать подкатегорию модных товаров. Подкатегорией изображения могут быть часы/ремень/обувь/верхняя одежда.
Давайте посмотрим на необходимый импорт:
Подготовка и предварительная обработка данных
Мы уменьшили количество изображений, потому что некоторые из них были ошибочными и не проходили через преобразования факела.
Итак, в итоге мы получаем 41 177 выборок данных. Мы разделим наборы на обучающие, проверочные и тестовые.
После разделения у нас есть 28 823 выборки данных для обучения, а остальные отправляются на проверку и тестирование.
Теперь давайте возьмем преобразования факела, которые мы использовали для предварительной обработки изображения.
Мы используем библиотеку под названием albumentations для преобразования изображений вместо обычного модуля torchvision.transforms. Альбументации — очень хорошая библиотека для предварительной обработки изображений, поскольку она имеет тенденцию создавать различные цвета в горячих точках особенностей изображения. Теперь давайте посмотрим, как выглядят изображения после преобразований.
Создание набора данных и загрузчика данных
Здесь мы используем класс Dataset для создания наших пакетов для загрузчика данных.
Мы читаем изображение с помощью OpenCV и конвертируем его в цветовую карту RGB. Мы используем преобразование, которое мы создали ранее, для преобразования изображений. Затем мы возвращаем тензор изображения и метку.
Давайте соберем все файлы обучения и проверки в 2 списка.
А теперь давайте создадим наборы данных и загрузчики данных.
Обучение и проверка модели
Мы будем тренироваться на CUDA. Пожалуйста, измените на CPU, если ваша система не поддерживает CUDA. Мы будем использовать размер партии 48 и будем обучать более 50 эпох.
Теперь давайте определим модель и оптимизатор:
Мы берем начальную скорость обучения 0,01 и используем планировщик StepLR с размером шага 20 и уменьшением веса 0,1.
Давайте теперь проверим тренировочный цикл.
Теперь давайте проверим результаты нашего обучения и то, как наш график выглядит на Tensorboard.
Мы видим, что достигаем довольно хорошей точности и потерь. Мы, очевидно, проверим его на наших тестовых данных и получим другие статистические данные, такие как точность и полнота. На данный момент мы достигли потери при проверке 0,2612 и точности проверки 0,9222.
Теперь давайте проверим наши тестовые преобразования.
Давайте посмотрим на наш тестовый цикл.
А теперь результаты испытаний таковы:
Мы видим, что мы получаем аналогичную производительность даже для других показателей в тестовом наборе данных, что означает, что наша модель работает неплохо.
Для цикла прогнозирования:
Надеюсь, мне удалось продемонстрировать полный цикл обучения с помощью Fas14MNet. Пожалуйста, проверьте ссылку github ниже для полной записной книжки.
Ссылки:
- https://github.com/DigantaD/Fas14MNet/blob/main/notebooks/Fashion%20Image%20Classification%20using%20Fas14MNet.ipynb
- https://github.com/DigantaD/Fas14MNet
- https://pypi.org/project/Fas14MNet/
Пожалуйста, не стесняйтесь обращаться ко мне в случае каких-либо вопросов или просто используйте раздел комментариев, и я постараюсь решить эту проблему.
Спасибо!
