A project to train these dog breeds from a photo to get more accurate models for recognizing dog breeds with small errors.
Laptop:
- Model: HP
- Device name DESKTOP-FG13PRQ.
- Processor Intel(R) Core(TM) i7-6500U CPU @ 2.50GHz 2.59 GHz.
- Installed RAM 8.00 GB (7.89 GB usable).
- Device ID ____________________________________.
- Product ID _____________________________.
- System type 64-bit operating system, x64-based processor.
- Pen and touch Pen and touch support with 10 touch points.
Files:
-
TrainFile - The FastAdapter is here to simplify creating adapters for RecyclerViews.
-
DataSetFile - 데이터
-
Convert_codefile_to_tflite -COnvert to TFLITE
-
TfliteFile -TFLITE
트리 에포크 후에 우리는 검증 데이터에서 거의 60% 이상의 정확도를 얻습니다. 즉, 우리가 어떤 식으로든 사진을 찍을 때 첫 번째 예측, 즉 가장 높은 예측을 의미하는 최고의 정확도입니다. 그것은 60%의 경우에 맞습니다. 100, 120가지가 넘는 개 품종이 있고 매우 큰 모델에서 먼저 훈련시키지 않았기 때문에 실제로 꽤 괜찮다고 생각한다면. 그래서 당신은 확실히 그것을 바꿀 수 있고 그것은 매우 쉬울 것입니다. Train File file에서 이 숫자를 b3 등으로 변경한 다음 해당 모델에 해당하는 이미지 크기를 변경하면 고정된 3-4를 사용하는 학습률을 낮출 수도 있습니다. 학습 속도 스케줄러를 사용하여 더 낮은 것을 변경한 다음 데이터 세트를 확장할 수도 있습니다. 모델이 실제로 어려움을 겪는 클래스를 확인한 다음 데이터를 스크랩하는 영리한 방법으로 이를 수행할 수 있습니다. 그 개 품종만을 위해.
- 또한 이 데이터 세트의 유효성 검사에서 83% 이상의 정확도를 얻는 더 많은 데이터에 대해 더 큰 모델을 교육한 github 소스 코드에서 사용할 수 있는 모델이 있을 것입니다. 그래서 당신은 또한 그것을 다운로드할 수 있습니다.* Photo of Result:
