/deep-learning-cifar10

Esse projeto é resultado da pesquisa realizada utilizando a base de dados CIFAR10 para o curso de Ciência de dados e analytcs da Universidade Politécnica do pernambuco

Primary LanguageJupyter Notebook

Deep learning cifar10

Esse trabalho é resultado do uso de técnicas de deep learning utilizando a base de dados CIFAR10 para apresentação ao Curso de Ciência de Dados e Analytcs da Universidade Politécnica do Pernambuco

This work is the result of the use of deep learning techniques using the CIFAR10 database for presentation to the Data Science and Analytcs Course at the Polytechnic University of Pernambuco.

Techniques

  • Simple VGG
  • Data Augmentation (random flip, random rotation)
  • Otimizer Adam and Adamax
  • Growing Dropout
  • Batch Normalization

Models and results

Model acc acc_validation
M1 30.52 36.04
M2E3 27.14 31.54
M3E3Max 97.09 80.07
M3E3Max + Drop V1 91.88 82.58
M3E3Max + Drop V2 85.71 84.18
M3E3Max + augmentation V1 79.62 76.80
M3E3Max + augmentation V2 85.65 81.30
M3E3Max + Drop + augmentation 50 épocas 76.21 79.24
M3E3Max + Drop + augmentation 100 épocas 80.35 82.74
M3E3Max + Drop + augmentation 100 épocas V2 83.17 84.18
M4E4Max + Drop + augmentation 100 épocas 84.77 83.49
M4E3Adam - Drop e augmentation 100 épocas 77.79 79.91
M4E4Max + Drop + augmentation + BatchNorm 100 épocas 89.07 87.42