VGG16 con data augmentation

[NuriaVP]

Como uno de los problemas de nuestro conjunto de datos es lo escaso que es, vamos a probar a aumentarlo con la técnica de data augmentation.

[NuriaVP]

Primero hay que crear el train_generator que coge todas las imágenes que tenemos en "Datos preprocesados EMD". Y, después se debe emplear fit_generator() en vez de fit(). En la primera prueba no he creado el apartado de validation_generator porque no tengo divididos los datos para hacerlo, y además tampoco he empleado class_weight_compute porque el parámetro al que le introducía el diccionario con los nuevos pesos me daba problemas. Aún con este código simplificado, la ejecución de fit_generator() me ha dado problemas, y voy a probar a crear bien el train_generator y el validation_generator para volver a ejecutarlo.

[NuriaVP]

Prueba fallida completada con el commit: cb1b59083e085544d43483ca9695f435120fd68b

En esta tarea he intentado hacer el data augmentation sobre el directorio "Datos preprocesados EMD" para generar el train_generator y así poder aplicar fit_generator() sobre el modelo de VGG16. Pero he tenido errores porque no tengo bien clasificados los datos es: train, test y validation. Además incorporar el parámetro de class_weights también me daba errores. Así que la Issue #26 aún no está completada.

[NuriaVP]

Formación de directorios con el commit: 2a244fa40c62a40d0c8b40e3faf87810ce19be2d

En esta tarea ya hemos logrado crear la nueva clasificación de directorios, para tener un conjunto de datos de entrenamiento y de validación. Faltaría incluir datos en la subcarpeta de test en función de la prueba que queramos realizar. Esta tarea aún no ha terminado, faltaría hacer las pruebas con alguna red sobre estos nuevos directorios.

[NuriaVP]

Prueba VGG16 con el directorio Data Augmentation EMD con el commit: e9b3a050fdd772e842a946f4e04451ca9c49cb01

Con los directorios de train y validation ya rellenos en "Data Augmentation EMD" hemos creado el train_generator y val_generator para utilizar la red VGG16 empleando técnicas de data augmentation. En la carpeta de test he colocado imágenes de Iphone o Samsung manualmente, pero los resultados no han sido nada buenos porque prácticamente todas las imágenes reconoce que tienen EMD.

[NuriaVP]

Parece que la división de los datos en train y validation sí que está bien realizada, pero no sé si los datos de test (todos los de iPhone o Samsung) están bien colocados. Y es que los resultados del entrenamiento de la red VGG16 con este conjunto de datos tanto empleando class_weight_compute como sin usarlo, son mucho peores que los de las tareas anteriores. Así que probablemente tenga que revisar este procedimiento porque parece que he tenido que cometer algún fallo.