Transfer Learning Suite

Transfer Rangkaian Pembelajaran di Keras

Berita

Keterangan

Repositori ini berfungsi sebagai Transfer Learning Suite. Tujuannya adalah agar dapat dengan mudah melakukan pembelajaran transfer menggunakan model klasifikasi gambar Keras bawaan apa pun! Setiap saran untuk meningkatkan repositori ini atau fitur baru apa pun yang ingin Anda lihat dipersilakan!

Anda juga dapat melihat Rangkaian Segmentasi Semantik saya.

Model

Semua model bawaan Keras tersedia:

Model	Ukuran	Akurasi Teratas 1	Akurasi 5 Teratas	Parameter	Kedalaman
VGG16	528 MB	0,715	0,901	138.357.544	23
VGG19	549MB	0,727	0,910	143.667.240	26
ResNet50	99MB	0,759	0,929	25.636.712	168
Xsepsi	88 MB	0,790	0,945	22.910.480	126
AwalV3	92 MB	0,788	0,944	23.851.784	159
InceptionResNetV2	215 MB	0,804	0,953	55.873.736	572
Jaringan Seluler	17 MB	0,665	0,871	4.253.864	88
Jaringan Padat121	33 MB	0,745	0,918	8.062.504	121
Jaringan Padat169	57 MB	0,759	0,928	14.307.880	169
Jaringan Padat201	80MB	0,770	0,933	20.242.984	201
NASNetMobile	21 MB	TIDAK	TIDAK	5.326.716	TIDAK
NASNetBesar	342 MB	TIDAK	TIDAK	88.949.818	TIDAK

File dan Direktori

• main.py: Mode Pelatihan dan Prediksi

• utils.py: Fungsi utilitas pembantu

• pos pemeriksaan: File pos pemeriksaan untuk setiap zaman selama pelatihan

• Prediksi: Hasil prediksi

Instalasi

Proyek ini memiliki dependensi berikut:

• Numpy sudo pip install numpy

• OpenCV Python sudo apt-get install python-opencv

• TensorFlow sudo pip install --upgrade tensorflow-gpu

• Keras sudo pip install keras

Penggunaan

Satu-satunya hal yang harus Anda lakukan untuk memulai adalah mengatur folder dalam struktur berikut:

 ├── "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
|   |   ├── .....

Kemudian Anda cukup menjalankan main.py ! Lihat argumen baris perintah opsional:

 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