Binär och flerklassig bildklassificering

Djupinlärning för bilder med PyTorch

Michal Oleszak

Machine Learning Engineer

Vad lär vi oss med PyTorch?

tasks

Vad lär vi oss med PyTorch?

tasks

Vad lär vi oss med PyTorch?

tasks

Vad lär vi oss med PyTorch?

tasks

Förkunskaper

Convolutional Neural Networks
Modellträning i PyTorch
Förkunskapskurs: Intermediate Deep Learning with PyTorch

PyTorch-biblioteket

torchvision

PyTorch-biblioteket

torchvision

PyTorch-biblioteket

torchvision

PyTorch-biblioteket

torchvision

Bildklassificering

Binär klassificering

binary

Två distinkta klasser (katter, hundar)
Aktiveringsfunktion: Sigmoid

Flerklassig klassificering

multi-class

Flera klasser (båt, tåg, bil)
Aktiveringsfunktion: Softmax
Högsta sannolikhet ger prediktionen

Modell med Convolutional Neural Network

cnn

Modell med Convolutional Neural Network

binary

Modell med Convolutional Neural Network

binary

Modell med Convolutional Neural Network

binary

Modell med Convolutional Neural Network

binary

Datamängder: klassetiketter

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}

Binär bildklassificering: konvolutionslager

Conv2d():
- Indata: 3 RGB-kanaler (röd, grön, blå)
- Utdata: 16 kanaler
- Kärna: 3 x 3-matris
- Stride = 1: kärnan rör sig 1 steg
- Padding = 1: 1 pixel runt kanten
ReLU():
- En icke-linjär aktiveringsfunktion
MaxPool2d():
- Kärna: 2x2
- Stride: 2 steg

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

Binär bildklassificering: fullt anslutet lager

Flatten():
- Tensorer plattas ut till en 1-D-vektor
Linear():
- Indata: särdragskartor x höjd x bredd
- Utdata: en enskild klass
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

Flerklassig bildklassificering med 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

Nu kör vi en övning!

Djupinlärning för bilder med PyTorch