Binární a vícetřídní klasifikace obrázků

Deep Learning pro obrázky s PyTorchem

Michal Oleszak

Machine Learning Engineer

Co se naučíme s PyTorchem?

tasks

Co se naučíme s PyTorchem?

tasks

Co se naučíme s PyTorchem?

tasks

Co se naučíme s PyTorchem?

tasks

Předpoklady

Konvoluční neuronové sítě
Trénování modelů v PyTorchi
Předchozí kurz: Intermediate Deep Learning with PyTorch

Knihovna PyTorch

torchvision

Knihovna PyTorch

torchvision

Knihovna PyTorch

torchvision

Knihovna PyTorch

torchvision

Klasifikace obrázků

Binární klasifikace

binary

Dvě třídy (kočky, psi)
Aktivační funkce: Sigmoid

Vícetřídní klasifikace

multi-class

Více tříd (loď, vlak, auto)
Aktivační funkce: Softmax
Predikce = třída s nejvyšší pravděpodobností

Model konvoluční neuronové sítě

cnn

Model konvoluční neuronové sítě

binary

Model konvoluční neuronové sítě

binary

Model konvoluční neuronové sítě

binary

Model konvoluční neuronové sítě

binary

Datové sady: označení tříd

image folders

from torchvision import datasets
import torchvision.transforms as transforms


train_dir = '/data/train'
train_dataset = ImageFolder(root=train_dir,
         transform=transforms.ToTensor())

classes = train_dataset.classes
print(classes)

['cat', 'dog']

print(train_dataset.class_to_idx)

{'cat': 0, 'dog': 1}

Binární klasifikace obrázků: konvoluční vrstva

Conv2d():
- Vstup: 3 kanály RGB (červená, zelená, modrá)
- Výstup: 16 kanálů
- Jádro: matice 3 x 3
- Stride = 1: jádro se posune o 1 krok
- Padding = 1: 1 pixel okolo okraje
ReLU():
- Nelineární aktivační funkce
MaxPool2d():
- Jádro: 2x2
- Stride: 2 kroky

class BinaryCNN(nn.Module):
    def __init__(self):
        super(BinaryCNN, self).__init__()

        self.conv1 = nn.Conv2d(3, 16,
                kernel_size=3, stride=1, padding=1)

        self.relu = nn.ReLU()

        self.pool = nn.MaxPool2d(kernel_size=2, 
                     stride=2)




   def forward(self, x):



        return x

Binární klasifikace obrázků: plně propojená vrstva

Flatten():
- Tenzory zploštěny do 1D vektoru
Linear():
- Vstup: příznakové mapy × výška × šířka
- Výstup: jedna třída
Sigmoid():
- [0,1]

class BinaryCNN(nn.Module):
    def __init__(self):
        super(BinaryCNN, self).__init__()
        self.conv1 = nn.Conv2d(3, 16,
                kernel_size=3, stride=1, padding=1)
        self.relu = nn.ReLU()
        self.pool = nn.MaxPool2d(kernel_size=2, 
                     stride=2)

        self.flatten = nn.Flatten()

        self.fc1 = nn.Linear(16 * 112 * 112, 1)

        self.sigmoid = nn.Sigmoid()

   def forward(self, x):

        x = self.pool(self.relu(self.conv1(x)))
        x = self.fc1(self.flatten(x))
        x = self.sigmoid(x)]

        return x

Víceřídní klasifikace obrázků pomocí CNN

class MultiClassCNN(nn.Module):
    def __init__(self, num_classes):
        super(MultiClassCNN, self).__init__()
        ...

        self.fc = nn.Linear(16 * 112 * 112, num_classes)

        self.softmax = nn.Softmax(dim=1)

    def forward(self, x):
        ...

        x = self.softmax(x)

        return x

Pojďme si procvičit!

Deep Learning pro obrázky s PyTorchem