การจำแนกภาพแบบ Binary และ Multi-class

Deep Learning สำหรับภาพด้วย PyTorch

Michal Oleszak

Machine Learning Engineer

จะได้เรียนอะไรบ้างกับ PyTorch?

tasks

จะได้เรียนอะไรบ้างกับ PyTorch?

tasks

จะได้เรียนอะไรบ้างกับ PyTorch?

tasks

จะได้เรียนอะไรบ้างกับ PyTorch?

tasks

ความรู้พื้นฐานที่ต้องมี

Convolutional Neural Networks
การฝึกโมเดลใน PyTorch
คอร์สที่ควรเรียนก่อน: Intermediate Deep Learning with PyTorch

ไลบรารี PyTorch

torchvision

ไลบรารี PyTorch

torchvision

ไลบรารี PyTorch

torchvision

ไลบรารี PyTorch

torchvision

การจำแนกภาพ

Binary classification

binary

สองคลาสที่แตกต่างกัน (แมว, สุนัข)
ฟังก์ชัน Activation: Sigmoid

Multi-class classification

multi-class

หลายคลาส (เรือ, รถไฟ, รถยนต์)
ฟังก์ชัน Activation: Softmax
ค่าความน่าจะเป็นสูงสุดคือผลการทำนาย

โมเดล Convolutional Neural Network

cnn

โมเดล Convolutional Neural Network

binary

โมเดล Convolutional Neural Network

binary

โมเดล Convolutional Neural Network

binary

โมเดล Convolutional Neural Network

binary

ชุดข้อมูล: ป้ายกำกับคลาส

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}

การจำแนกภาพแบบ Binary: Convolutional Layer

Conv2d():
- Input: 3 ช่อง RGB (แดง, เขียว, น้ำเงิน)
- Output: 16 ช่อง
- Kernel: เมทริกซ์ 3 x 3
- Stride = 1: kernel เลื่อน 1 ก้าว
- Padding = 1: 1 พิกเซลรอบขอบภาพ
ReLU():
- ฟังก์ชัน Activation แบบไม่เชิงเส้น
MaxPool2d():
- Kernel: 2x2
- Stride: 2 ก้าว

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

การจำแนกภาพแบบ Binary: Fully Connected Layer

Flatten():
- แปลง Tensor ให้เป็นเวกเตอร์ 1 มิติ
Linear():
- Input: feature maps x ความสูง x ความกว้าง
- Output: คลาสเดียว
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

การจำแนกภาพแบบ Multi-class ด้วย 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

มาฝึกกันเถอะ!

Deep Learning สำหรับภาพด้วย PyTorch