/Bird-Batch-Classification

Primary LanguagePython

(En)

Bird Detection Model Training and Evaluation

This project is a Python script designed to train and evaluate a bird detection model based on images. It uses the OpenCV and Scikit-Learn libraries.

Dependencies

To run this project, the following packages must be installed:

  • opencv-python
  • scikit-learn
  • numpy

You can install these packages using pip with the following command:

pip install -r requirements.txt

Usage

  1. Data Preparation: Ensure that the data directory contains subdirectories for each bird species, such as parrot and pigeon, with corresponding images.

  2. Running the Script: Execute the main.py script via the terminal or command line. For example:

python main.py

  1. Training the Model: The script will automatically load the data, split it into training and testing sets, and train a random forest classifier (RandomForestClassifier). The training process will iterate over the dataset for a specified number of epochs.

  2. Model Evaluation: After training, the model will be evaluated against the test dataset. Performance metrics such as accuracy, precision, recall, and F1 score will be calculated and displayed.

File Structure

  • main.py: The main script file responsible for training and evaluating the model.
  • data/: Directory containing subdirectories for each bird species with corresponding images.
  • requirements.txt: Lists the required Python packages for this project.

Perfomance

  • Model Accuracy: 0.8125
  • Model Precision: 0.8636363636363636
  • Model Recall: 0.8125
  • Model F1 Score: 0.8056680161943319

Notes

  • The size and quality of the dataset can significantly impact the performance of the model.
  • The performance of the model depends on the distribution of bird species in the dataset and the quality of the images.
  • Random Forest Classifier may not provide optimal performance on image datasets. Consider exploring other algorithms for better results.

(Tr)

Kuş Tespiti Modeli Eğitimi ve Değerlendirmesi

Bu proje, görüntü tabanlı bir kuş tespiti modelini eğitmek ve değerlendirmek için kullanılan bir Python scriptidir. Projede OpenCV ve Scikit-Learn kütüphaneleri kullanılmaktadır.

Bağımlılıklar

Bu projeyi çalıştırmak için aşağıdaki paketlerin kurulu olması gerekmektedir:

  • opencv-python
  • scikit-learn
  • numpy

Bu paketleri pip ile aşağıdaki komutla kurabilirsiniz:

pip install -r requirements.txt

Kullanım

  1. Veri Hazırlama: data dizininde her bir kuş türü için ayrı alt klasörler oluşturulmalıdır. Örneğin, parrot ve pigeon adında iki alt klasör olmalıdır. Bu klasörlerde ilgili kuş türünün resimleri saklanmalıdır.

  2. Script Çalıştırma: Terminal veya komut satırı üzerinden main.py dosyasını çalıştırabilirsiniz. Örneğin:

python main.py

  1. Model Eğitimi: Script çalıştırıldığında, veriler otomatik olarak yüklenir, eğitim ve test veri setlerine bölünür ve bir rastgele orman sınıflandırıcısı (RandomForestClassifier) kullanılarak eğitilir. Eğitim, belirtilen sayıda epoch'ta gerçekleştirilir.

  2. Model Değerlendirmesi: Eğitim tamamlandıktan sonra, model test veri setine karşı değerlendirilir ve performans metrikleri (doğruluk, hassasiyet, hatırlama, F1 skoru) hesaplanır ve ekrana yazdırılır.

Dosya Yapısı

  • main.py: Ana script dosyası, modelin eğitimi ve değerlendirmesi için kullanılır.
  • data/: Veri setlerinin bulunduğu klasör. Her bir kuş türü için ayrı alt klasörler oluşturulmalıdır.
  • requirements.txt: Projede gereken Python paketlerinin listesi.

Performans

  • Model Accuracy: 0.8125
  • Model Precision: 0.8636363636363636
  • Model Recall: 0.8125
  • Model F1 Score: 0.8056680161943319

Notlar

  • Veri setlerinin boyutu ve kalitesi, modelin performansına etkileyebilir.
  • Modelin performansı, veri setindeki kuş türlerinin dağılımına ve resimlerin kalitesine bağlıdır.
  • Rastgele Orman Sınıflandırıcısı, genellikle görüntü tabanlı veri setlerinde iyi performans göstermez. Diğer algoritmaları denemek isteyebilirsiniz.