Люди — самый разумный вид на земле. То, что делает нас наиболее разумными, — это наш мозг, который может учиться, анализировать и запоминать. Если вы из биологии, вы должны знать, как работает человеческий мозг. На самом деле человеческий мозг представляет собой сложную сеть из миллионов нейронов, которые отвечают за анализ, понимание и принятие важных решений. Образец фигуры нейрона показан на рисунке 1.

Он принимает входные сигналы из различных источников, таких как глаза, нос и обрабатывает информацию от одного нейрона к другому, что делает его очень сложной сетевой архитектурой нейронов. Предположим, если мы хотим предсказать марку автомобиля, мы видим его модель, логотип и узнаем, что это автомобиль от Audi, Maruti, BMW или чего-то еще. Когда мы видим автомобиль, наш мозг изучает его характеристики, изучая различные параметры, такие как модель, логотип, дизайн и т. д. На основе этих знаний всякий раз, когда мы смотрим на новый автомобиль, мы можем принять решение, основанное на изученных параметрах, что этот автомобиль принадлежит BMW. или Тойота.

Ну, это основная функция человеческого мозга. Но вопрос в том, может ли машина или компьютер предсказать марку автомобиля, не только марку, но даже номер модели, просто взглянув на автомобили? Да, используя инструменты машинного обучения и компьютерного зрения, я разработал модель нейронной сети, на самом деле модель сверточной нейронной сети (CNN), которая работает точно так же, как человеческий мозг, как обсуждалось выше. Я обучил модель CNN различным изображениям транспортных средств, чтобы она могла изучать параметры и принимать решения всякий раз, когда смотрит на новую машину. Исходный код доступен в моем репозитории GitHub.

После обучения с 300 эпохами, когда я тестировал разработанную модель CNN с новым изображением, я получил результат, как показано на рисунке 2.

Из результата мы видим, что модель не только предсказывает бренд, но и номер модели этого конкретного бренда с вероятностью того, насколько модель CNN уверена в результате.

Вы также можете обучать модель CNN, используя собственную базу данных, исходный код доступен в моем репозитории GitHub.

Для получения дополнительных обновлений, оставайтесь на связи со мной на моей Странице в Facebook.

Спасибо Адриану с https://www.pyimagesearch.com/ за отличные уроки.