Бінарна та багатокласова класифікація зображень

Глибоке навчання для зображень із PyTorch

Michal Oleszak

Machine Learning Engineer

Що ми вивчимо з PyTorch?

завдання

Що ми вивчимо з PyTorch?

завдання

Що ми вивчимо з PyTorch?

завдання

Що ми вивчимо з PyTorch?

завдання

Необхідні знання

Згорткові нейронні мережі
Тренування моделей у PyTorch
Попередній курс: Intermediate Deep Learning with PyTorch

Бібліотека PyTorch

torchvision

Бібліотека PyTorch

torchvision

Бібліотека PyTorch

torchvision

Бібліотека PyTorch

torchvision

Класифікація зображень

Бінарна класифікація

бінарна

Два різні класи (коти, собаки)
Функція активації: Sigmoid

Багатокласова класифікація

багатокласова

Кілька класів (човен, потяг, авто)
Функція активації: Softmax
Найвища ймовірність = передбачення

Модель згорткової нейромережі

cnn

Модель згорткової нейромережі

бінарна

Модель згорткової нейромережі

бінарна

Модель згорткової нейромережі

бінарна

Модель згорткової нейромережі

бінарна

Набори даних: мітки класів

папки із зображеннями

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}

Бінарна класифікація зображень: згортковий шар

Conv2d():
- Вхід: 3 RGB-канали (red, green, blue)
- Вихід: 16 каналів
- Ядро: матриця 3 x 3
- Крок = 1: ядро рухається на 1 піксель
- Доповнення = 1: 1 піксель по межі
ReLU():
- Нелінійна функція активації
MaxPool2d():
- Ядро: 2x2
- Крок: 2 пікселі

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

Бінарна класифікація зображень: щільний шар

Flatten():
- Тензори перетворюються на 1-D вектор
Linear():
- Вхід: ознаки × висота × ширина
- Вихід: один клас
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

Багатокласова класифікація зображень із 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

Давайте потренуємось!

Глибоке навчання для зображень із PyTorch