alek98
commented
1 year ago Tema je interesantna, ali neophodna su proširenja projekta. Ako pravite konvolutivne neuronske mreže (CNN) od nule, bitno je da isprobate različite varijacije mreža koristeći različite hiperparametre i arhitekture (različite dubine i slojeve mreže). CNN je lako napraviti, i zato je važno da isprobate različite varijacije i da sačuvate sve te varijacije kako biste ih mogli uporediti i prikazati razlike u rezultatima. Preporučujem upotrebu biblioteka kao što su Keras, PyTorch itd. Možete početi sa jednostavnom CNN arhitekturom, a zatim praviti različite varijacije i poboljšanja. Takođe, možete koristiti transfer learning, ali i u tom slučaju trebali biste eksperimentisati sa različitim načinima za poboljšanja. Tema Vam je odobrena, ali imajte u vidu da jedna jednostavna CNN nije dovoljna. Srecan rad.
seli0001
Članovi tima: Nikola Šehovac RA 115/2020, grupa 3
Asistent: Vujinović Aleksandar
Problem koji se rešava: Cilj projekta je razviti sistem za klasifikaciju pola osobe sa slike. Uzimajući u obzir sliku osobe kao ulaz, želim da algoritam automatski odredi da li je osoba muškog ili ženskog pola.
Algoritam/algoritmi: Za rešavanje problema koristiće se konvolucione neuronske mreže (CNN) za klasifikaciju pola osobe sa slike
Podaci koji se koriste: Koristiće se dataset dostupan na Kaggle platformi na sledećem linku: https://www.kaggle.com/datasets/cashutosh/gender-classification-dataset . Dataset sadrži slike muškaraca i žena, a svaka slika je označena sa odgovarajućim polom.
Metrika za merenje performansi: Kao metriku za merenje performansi algoritma, koristiće se procenat tačno klasifikovanih slika.
Validacija rešenja: Dataset ce biti podeljen: 70% za obucavanje, 20% za validaciju i 10% za test