Εργαστηριακή Άσκηση από το Πρόγραμμα Σπουδών AI για Αρχάριους.
Φανταστείτε ότι πρέπει να αναπτύξετε μια εφαρμογή για ένα βρεφονηπιακό σταθμό κατοικίδιων, ώστε να καταγράφετε όλα τα κατοικίδια. Ένα από τα εξαιρετικά χαρακτηριστικά μιας τέτοιας εφαρμογής θα ήταν η αυτόματη αναγνώριση της φυλής από μια φωτογραφία. Σε αυτή την άσκηση, θα χρησιμοποιήσουμε τη μεταφορά μάθησης για να ταξινομήσουμε εικόνες πραγματικών κατοικίδιων από το σύνολο δεδομένων Oxford-IIIT.
Θα χρησιμοποιήσουμε το αρχικό σύνολο δεδομένων Oxford-IIIT, το οποίο περιέχει 35 διαφορετικές φυλές σκύλων και γατών.
Για να κατεβάσετε το σύνολο δεδομένων, χρησιμοποιήστε το παρακάτω απόσπασμα κώδικα:
!wget https://www.robots.ox.ac.uk/~vgg/data/pets/data/images.tar.gz
!tar xfz images.tar.gz
!rm images.tar.gzΞεκινήστε το εργαστήριο ανοίγοντας το OxfordPets.ipynb
Η μεταφορά μάθησης και τα προεκπαιδευμένα δίκτυα μας επιτρέπουν να επιλύουμε προβλήματα ταξινόμησης εικόνων του πραγματικού κόσμου σχετικά εύκολα. Ωστόσο, τα προεκπαιδευμένα δίκτυα λειτουργούν καλά σε εικόνες παρόμοιου τύπου, και αν αρχίσουμε να ταξινομούμε πολύ διαφορετικές εικόνες (π.χ. ιατρικές εικόνες), είναι πιθανό να έχουμε πολύ χειρότερα αποτελέσματα.
Αποποίηση Ευθύνης:
Αυτό το έγγραφο έχει μεταφραστεί χρησιμοποιώντας την υπηρεσία αυτόματης μετάφρασης AI Co-op Translator. Παρόλο που καταβάλλουμε προσπάθειες για ακρίβεια, παρακαλούμε να έχετε υπόψη ότι οι αυτόματες μεταφράσεις ενδέχεται να περιέχουν σφάλματα ή ανακρίβειες. Το πρωτότυπο έγγραφο στη μητρική του γλώσσα θα πρέπει να θεωρείται η αυθεντική πηγή. Για κρίσιμες πληροφορίες, συνιστάται επαγγελματική ανθρώπινη μετάφραση. Δεν φέρουμε ευθύνη για τυχόν παρεξηγήσεις ή εσφαλμένες ερμηνείες που προκύπτουν από τη χρήση αυτής της μετάφρασης.