Para este projeto foi usada a base de dados "Chest X-Ray Images (Pneumonia)". Esta base contém imagens de raio-x de pessoas saudáveis e de pessoas com casos de pneumonia. Com isso, este projeto busca realizar a classificação dessas imagens entre casos normais e casos de pneumonia.
- tensorflow
- numpy
- matplotlib
- jupyter notebook
- CNN-ImageClassification.ipynb - Notebook com o código utilizado para criação do modelo
- model_inferences/ - Inferência do modelo gerada no formato H5
- google_images/ - Algumas imagens de raio-x retiradas do google para testar no modelo
Para testar o modelo com novas imagens, abra o notebook usando o jupyter, execute a primeira célula que contém os imports das bibliotecas necessárias e em seguida execute todas as células a partir da célula onde a inferência do modelo é carregada (no tópico "Salvando inferência do modelo").
- Buscar melhoria do modelo a partir do balanceamento da base de imagens (Atualmente: classe pneumonia > classe normal)
- Uma possível solução se encontra neste artigo usando uma combinação de Data Augmentation com RandomOverSampling.
- Testar um número maior de valores para parâmetros.
- Testar adição de novas camadas ao modelo.
- Após melhorias, escrever texto no Medium explicando os passos de desenvolvimento do projeto.