/Animals-10-classification

Classify animal pictures of 10 different categories taken from google images

Primary LanguagePython

Animals-10-classification

Classify animal pictures of 10 different categories taken from google images

Dateset download

URL: https://www.kaggle.com/datasets/alessiocorrado99/animals10

  1. 위 URL에서 animal dataset을 다운로드하고 압축해제한다.
  2. 폴더 안에 아래 구조 처럼 "raw-img" 폴더만 추가한다. (translate.py 파일은 들고 올 필요 없습니다)
classfication
├── raw-img
│   ├── cane
│   ├── cavallo
│   └── ...
|
├── class.py
├── split.py
└── translate.py

Preprocessing data

  1. cv2, numpy 설치
pip install opencv-python, numpy
  1. split.py 실행
python split.py

verify : classfication 폴더 안에 train_img 와 test_img 폴더가 생기면 됩니다.

Dataset download, Preprocessing data code from hsh-dev

Main Idea

  1. Augmentation

    • Augmentate images using crop, rotate ...

  2. Transfer learning

    • Use 'Efficient_Net_v2', 'ConvNext_tiny' models
    • 비교적 경량화 된 모델 사용

  3. K-Fold

    • 5fold로 학습시켜 각 fold별 학습된 모델도 Essemble에 사용하였다.

  4. Essemble

    • Essemble the results of diffrent models using hard voting

Training

Efficient_Net_v2와 ConvNext_tiny을 같은 Hyperparameter 에서 학습시켰다.

Hyperparameter : {
    'EPOCHS': 100,
    'BATCH_SIZE': 128,
    'LEARNING_RATE': 3e-4,
    'SEED': 41,
    'IMG_SIZE': 256
}

Validation set의 f1_score 가 최대일 때 모델을 저장하였다.

자세히

Conv_fold1

conv_flod0

Eff_v2_fold1

effv2-fold0

Test

ConvNext_tiny test f1 score

Fold test_f1
1 0.9853629492945964
2 0.9856762322420028
3 0.9858382581606346
4 0.9843437289411947
5 0.9861888643175929

Best f1 score : 0.9861888643175929

자세히

image

Efficient_Net_v2 test f1 score

Fold test_f1
1 0.8927669712070969
2 0.8931974601492314
3 0.8937458721391404
4 0.8930224223796777
5 0.8950720707208372
자세히

image

Efficient_Net_v2의 f1 score가 너무 안좋게 나와 ConvNext_tiny의 fold끼리만 essemble하기로 하였다.

Essemble에는 hardvoting을 채택하였다.

자세히

image

Essebled f1 score : 0.9863997420492107

약 0.0002 f1 score가 상승하였음을 알 수 있다.