Ko su članovi tima, grupa sa vežbi? Ime, prezime, broj indeksa...
Autor: Stefan Radonjić, RA245/2014
Grupa: 7
Asistent: Miroslav Kondić
Problem koji se rešava (detaljniji opis)
Klasifikacija slika je jedan od klasičnih problema unutar oblasti Computer Vision-a. Glavni cilj klasifikacije slika jeste da ulaznu sliku identifikujemo kao članicu jedne od unapred odabranih klasa. Slede primeri nekih od oblasti gde je zastupljena klasifikacija slika:
Autonomna vožnja: ovde brza klasifikacija slika igra krucijalnu ulogu
Deljenje/Skladištenje slika na socijalnim mrežama: Facebook & Google Photos koriste klasifikaciju slika kako bi personalizovali i unapredili korisničko iskustvo na njihovim proizvodima.
Algoritam/algoritmi koji će se koristiti
Za rešavanje ovog problema koristiću Convolution Neural Network (CNN) koje predstavljaju jednu od najboljih tehnika za rešavanje problema ovakve prirode. Razlog zašto su CNN toliko pogodne jeste zato što se mogu koristiti za "Deep Learning". Ovo znači da će svaki od slojeva CNN ( tačnije svaki Convolutional Layer) biti treniran tako da prepozna svojstva višeg nivoa.
Primer: Prvi Konvolucioni sloj će biti u stanju da prepozna svojstva (misli se na svojstva slike) niskog nivoa kao što su ivice krive i slično, dok će svaki sledeći Konvolucioni sloj biti u stanju da detektuje svojstva višeg nivoa, recimo drugi će već moći da detektuje geometrijske oblike, a treći šape, noge i slično ( zavisnosti od skupa podataka namenjenog za trening).
Metrika za poređenje performansi algoritama i/ili parametara algoritma
Verovatnoća pripadnosti slike odgovarajućoj klasi.
Podaci koji se koriste - da li su već dostupni online, da li će se skupljati automatski ili manuelno, da li se moraju prvobitno obraditi?
Slike jesu dostupne online, i prvobitno moraju biti skalirane.
Na koji način planirate validaciju rešenja?
Prilikom treniranja mreži se dostavlja skup slika zajedno sa odgovarajućim etiketama šta se na kojoj slici nalazi. Nakon što se mreža istrenira prosledjujemo joj kao ulaz neku od slika, a ona će nama izgenerisati verovatnoču pripadnosti za svaku od prethodno odabranih klasa.
Ko su članovi tima, grupa sa vežbi? Ime, prezime, broj indeksa... Autor: Stefan Radonjić, RA245/2014 Grupa: 7 Asistent: Miroslav Kondić
Problem koji se rešava (detaljniji opis)
Klasifikacija slika je jedan od klasičnih problema unutar oblasti Computer Vision-a. Glavni cilj klasifikacije slika jeste da ulaznu sliku identifikujemo kao članicu jedne od unapred odabranih klasa. Slede primeri nekih od oblasti gde je zastupljena klasifikacija slika:
Algoritam/algoritmi koji će se koristiti
Za rešavanje ovog problema koristiću Convolution Neural Network (CNN) koje predstavljaju jednu od najboljih tehnika za rešavanje problema ovakve prirode. Razlog zašto su CNN toliko pogodne jeste zato što se mogu koristiti za "Deep Learning". Ovo znači da će svaki od slojeva CNN ( tačnije svaki Convolutional Layer) biti treniran tako da prepozna svojstva višeg nivoa. Primer: Prvi Konvolucioni sloj će biti u stanju da prepozna svojstva (misli se na svojstva slike) niskog nivoa kao što su ivice krive i slično, dok će svaki sledeći Konvolucioni sloj biti u stanju da detektuje svojstva višeg nivoa, recimo drugi će već moći da detektuje geometrijske oblike, a treći šape, noge i slično ( zavisnosti od skupa podataka namenjenog za trening).
Metrika za poređenje performansi algoritama i/ili parametara algoritma
Verovatnoća pripadnosti slike odgovarajućoj klasi.
Podaci koji se koriste - da li su već dostupni online, da li će se skupljati automatski ili manuelno, da li se moraju prvobitno obraditi?
Slike jesu dostupne online, i prvobitno moraju biti skalirane.
Na koji način planirate validaciju rešenja?
Prilikom treniranja mreži se dostavlja skup slika zajedno sa odgovarajućim etiketama šta se na kojoj slici nalazi. Nakon što se mreža istrenira prosledjujemo joj kao ulaz neku od slika, a ona će nama izgenerisati verovatnoču pripadnosti za svaku od prethodno odabranih klasa.
Repozitorijum: https://github.com/StefanCepa/CNN_Image_Classification