iT邦幫忙

2022 iThome 鐵人賽

DAY 5
0

Part1:今日目標

1.影像分類模型初探


Part2:內容

1.影像分類模型初探

就目前所學,有兩大類模型設置方法:
(1)用Pytorch自行搭建模型: 模型結構完全取決於個人設計,並從零使用訓練資料集進行模型訓練。
(2)使用預訓練模型(Pretrained model): 將已經使用大型資料集訓練過的模型做遷移學習(Transfer learning),在自己的資料集上做訓練微調。

透過方法(1)實作,能從頭了解一個影像分類(Image Classification)模型,需要那些基礎結構。
方法(2)則是更細緻複雜的模型設計,透過實作專業演算法的模型架構,並經大量資料集訓練後的模型,讓方法(2)的預訓練模型有更優異表現,其中Pytorch提供多樣預訓練模型,涵蓋類別包括:

  • 影像分類 (Image Classification)
  • 物件偵測、實例分割 (Object Detection、Instance Segmentation)
  • 語義分割 (Semantic Segmentation)等多種任務類型。

★ 參考: 目前Pytorch提供的預訓練模型列表
其中不同預訓練模型比較,可參考下圖:

圖片來源

  • 橫軸為模型預測錯誤比例,縱軸為運算時間,兩軸都為數值越小越好。
  • 越左下角靠近原點處,模型運算速度較快且預測較為準確。
  • 每個模型的泡泡大小代表模型參數數量,模型參數數量(model size)越多,則泡泡圓面積越大。

不論是上述哪種方法,模型基礎結構都有以下:

(1)載入資料 Load the data.
(2)定義模型架構 Define layers of model.
(3)定義損失函數 Define loss function.
(4)使用訓練資料集進行模型訓練 Train the model with training data.
(5)使用測試資料集進行模型表現測試 Test model on test data.

Part3:專案進度

  • 了解現行模型有哪些實作方式。

Part4:下一步

  • 先採行方法(1),以自行搭建的CNN影像分類模型作為基準模型,並搭配D4準備好的訓練資料集進行模型訓練。
  • 掌握Pytorch Pretrained Model的實作技巧。
心得小語:
今天下班後就鎖定英國女王國葬轉播,整個過程感到十分感動又有點感傷~ 
代表一個時代的君主就這樣走入歷史了~~
看著沿途英國民眾夾道相送,真的是位很令人敬仰的女王 
今日工時: 50min*3

Farewell to Queen Elizabeth II. Thank YOU

圖片來源

女王名言,關於逆境:
「當遇見生活中的困難,期許自己當那個為了未來起身奮鬥的人,而不是直接屈服於失敗。」
"When life seems hard, the courageous do not lie down and accept defeat; instead, they are all the more determined to struggle for better future."


上一篇
D4-前處理1st_實作結果
下一篇
D6-運行範例CNN模型
系列文
菜鳥工程師第一個電腦視覺(CV)專案-農作物影像辨識競賽32
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言