Transfer Learning Suite

Transferir Suite de Aprendizaje en Keras

Noticias

Descripción

Este repositorio sirve como Transfer Learning Suite. ¡El objetivo es poder realizar fácilmente el aprendizaje por transferencia utilizando cualquier modelo de clasificación de imágenes de Keras integrado! ¡Cualquier sugerencia para mejorar este repositorio o cualquier característica nueva que le gustaría ver es bienvenida!

También puedes consultar mi Suite de segmentación semántica.

Modelos

Todos los modelos integrados de Keras están disponibles:

Modelo	Tamaño	Precisión Top-1	Precisión Top-5	Parámetros	Profundidad
VGG16	528 megas	0,715	0.901	138.357.544	23
VGG19	549 megas	0,727	0.910	143.667.240	26
ResNet50	99 megas	0,759	0,929	25.636.712	168
Xcepción	88 megas	0.790	0,945	22.910.480	126
InicioV3	92 megas	0,788	0.944	23.851.784	159
InicioResNetV2	215 megas	0.804	0.953	55.873.736	572
red móvil	17 megas	0.665	0,871	4.253.864	88
DensoNet121	33 megas	0.745	0.918	8.062.504	121
DensoNet169	57 megas	0,759	0.928	14.307.880	169
DensoNet201	80 megas	0.770	0.933	20.242.984	201
NASNetMóvil	21 megas	N / A	N / A	5.326.716	N / A
NASNetGrande	342 megas	N / A	N / A	88.949.818	N / A

Archivos y directorios

• main.py: modo de entrenamiento y predicción

• utils.py: funciones de utilidad auxiliar

• puntos de control: archivos de puntos de control para cada época durante el entrenamiento

• Predicciones: resultados de la predicción

Instalación

Este proyecto tiene las siguientes dependencias:

• Numpy sudo pip install numpy

• OpenCV Python sudo apt-get install python-opencv

• sudo pip install --upgrade tensorflow-gpu

• Keras sudo pip install keras

Uso

Lo único que tienes que hacer para comenzar es configurar las carpetas en la siguiente estructura:

 ├── "dataset_name"                   
|   ├── train
|   |   ├── class_1_images
|   |   ├── class_2_images
|   |   ├── class_X_images
|   |   ├── .....
|   ├── val
|   |   ├── class_1_images
|   |   ├── class_2_images
|   |   ├── class_X_images
|   |   ├── .....
|   ├── test
|   |   ├── class_1_images
|   |   ├── class_2_images
|   |   ├── class_X_images
|   |   ├── .....

¡Entonces simplemente puedes ejecutar main.py ! Consulte los argumentos opcionales de la línea de comando:

 usage: main.py [-h] [--num_epochs NUM_EPOCHS] [--mode MODE] [--image IMAGE]
               [--continue_training CONTINUE_TRAINING] [--dataset DATASET]
               [--resize_height RESIZE_HEIGHT] [--resize_width RESIZE_WIDTH]
               [--batch_size BATCH_SIZE] [--dropout DROPOUT] [--h_flip H_FLIP]
               [--v_flip V_FLIP] [--rotation ROTATION] [--zoom ZOOM]
               [--shear SHEAR] [--model MODEL]

optional arguments:
  -h, --help            show this help message and exit
  --num_epochs NUM_EPOCHS
                        Number of epochs to train for
  --mode MODE           Select "train", or "predict" mode. Note that for
                        prediction mode you have to specify an image to run
                        the model on.
  --image IMAGE         The image you want to predict on. Only valid in
                        "predict" mode.
  --continue_training CONTINUE_TRAINING
                        Whether to continue training from a checkpoint
  --dataset DATASET     Dataset you are using.
  --resize_height RESIZE_HEIGHT
                        Height of cropped input image to network
  --resize_width RESIZE_WIDTH
                        Width of cropped input image to network
  --batch_size BATCH_SIZE
                        Number of images in each batch
  --dropout DROPOUT     Dropout ratio
  --h_flip H_FLIP       Whether to randomly flip the image horizontally for
                        data augmentation
  --v_flip V_FLIP       Whether to randomly flip the image vertically for data
                        augmentation
  --rotation ROTATION   Whether to randomly rotate the image for data
                        augmentation
  --zoom ZOOM           Whether to randomly zoom in for data augmentation
  --shear SHEAR         Whether to randomly shear in for data augmentation
  --model MODEL         Your pre-trained classification model of choice