dcharrezt/Reconocimiento-de-flores

CNN

Sistema de reconocimiento de especies de flores

Integrantes

• Diego David Charrez Ticona
• Edson Arratea Ope

Resumen del proyecto

• Base de datos FLOWERS17 and FLOWERS102.

FLOWERS17

FLOWERS102

• Modelos usados - VGG16, VGG19.
• Weights used - ImageNet
• Clasificador usado - Logistic Regression

Dependencias

• Theano o TensorFlow sudo pip install theano or sudo pip install tensorflow
• Keras sudo pip install keras
• NumPy sudo pip install numpy
• matplotlib sudo pip install matplotlib tambien se necesita este sudo apt-get install python-dev
• seaborn sudo pip install seaborn
• h5py sudo pip install h5py
• scikit-learn sudo pip install scikit-learn

Requerimientos del sistema

• Este proyecto fue probado en ubuntu 14.04.

Arquitectura

Uso

• Organizar base de datos - python organize_flowers17.py
• Extraccion de caracteristicas usando CNN - python extract_features.py
• Entrenamiento del modelo usando regresion logistica - python train.py

Numeros

Las tablas de abajo muestran la precision obtenida por cada modelo deep neural network para extraer caracteristicas del dateset FLOWERS17 usando diferentes parametros.

• Resultados-1

  • test_size : 0.10
  • clasificador : Logistic Regression

Modelo	Rank-1 precision	Rank-5 precision
VGG16	85.29%	98.53%
VGG19	88.24%	99.26%

• Resultados-2

  • test_size : 0.30
  • clasificador : Logistic Regression

Modelo	Rank-1 precision	Rank-5 precision
VGG16	88.24%	99.02%
VGG19	88.73%	98.77%