Binarna i wieloklasowa klasyfikacja obrazów

Głębokie uczenie dla obrazów z PyTorch

Michal Oleszak

Machine Learning Engineer

Czego nauczymy się z PyTorch?

tasks

Czego nauczymy się z PyTorch?

tasks

Czego nauczymy się z PyTorch?

tasks

Czego nauczymy się z PyTorch?

tasks

Wymagania wstępne

Splotowe sieci neuronowe
Trenowanie modeli w PyTorch
Wymagany kurs: Intermediate Deep Learning with PyTorch

Biblioteka PyTorch

torchvision

Biblioteka PyTorch

torchvision

Biblioteka PyTorch

torchvision

Biblioteka PyTorch

torchvision

Klasyfikacja obrazów

Klasyfikacja binarna

binary

Dwie klasy (koty, psy)
Funkcja aktywacji: Sigmoid

Klasyfikacja wieloklasowa

multi-class

Wiele klas (łódź, pociąg, samochód)
Funkcja aktywacji: Softmax
Najwyższe prawdopodobieństwo = predykcja

Model splotowej sieci neuronowej

cnn

Model splotowej sieci neuronowej

binary

Model splotowej sieci neuronowej

binary

Model splotowej sieci neuronowej

binary

Model splotowej sieci neuronowej

binary

Zbiory danych: etykiety klas

foldery z obrazami

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}

Binarna klasyfikacja obrazów: warstwa splotowa

Conv2d():
- Wejście: 3 kanały RGB (czerwony, zielony, niebieski)
- Wyjście: 16 kanałów
- Jądro: macierz 3 x 3
- Krok = 1: jądro przesuwa się o 1 krok
- Dopełnienie = 1: 1 piksel wokół krawędzi
ReLU():
- Nieliniowa funkcja aktywacji
MaxPool2d():
- Jądro: 2x2
- Krok: 2

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

Binarna klasyfikacja obrazów: warstwa w pełni połączona

Flatten():
- Tensory spłaszczane do wektora 1-D
Linear():
- Wejście: mapy cech x wysokość x szerokość
- Wyjście: jedna klasa
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

Wieloklasowa klasyfikacja obrazów z 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

Czas na ćwiczenia!

Głębokie uczenie dla obrazów z PyTorch