ระบบจำแนกคอกเทลเพื่อบอกส่วนผสมและปริมาณแอลกอฮอล์เป็นทางเลือกสำหรับผู้ที่สนใจด้วย Deep Learning
คอกเทลมีมากมายหลายชนิด ถ้าหากเป็นผู้ที่สนใจก็จะจำแนกได้ไม่ยากด้วยตาเปล่า แต่หากใช้ Computer vision และ Deep Learning ในการตรวจสอบและจำแนก
มันจะเวิร์คมั้ยนะ นี่คือสิ่งที่ผมคิดตามแบบฉบับคนชอบแอลกอฮอล์เป็นชีวิตจิตใจ
เริ่มต้น ผมจะใช้ Cocktail 10 ชนิดดังนี้
-B52
-Black Russian
-Bloody mary
-Blue Hawaii
-Dry Martini
-Midori Sour
-Mojito
-Pina Colada
-Screw Driver
-Sex on the beach
แล้วใช้ CNN ในการเทรน โดยการผ่าน Convolutional Layer สลับกับ Max Pooling 4 รอบ จากนั้นผ่าน Hidden Layer 64 รอบนึง และ 32 รอบนึง ผลปรากฎว่าการทำนายไม่ดีเท่าที่ควร อยู่ที่ 81%
จึงได้ใส่ Initialization และ Regularization เพื่อช่วยกระตุ้นการลด Loss (ได้ลองใส่ Dropout ลงไปแล้ว แต่ผลแย่ลง จึงตัดออกไป) ผลปัจจุบันตอนนี้อยู่ที่ 87% เมื่อลด Learning Rate ให้เหลือ 0.001 และเพิ่ม Epoch เป็น 30 ก็ช่วยให้มีความแม่นยำมากขึ้นจริง
อย่างแรกให้ทำการโหลด Data set จากลิ๊ง (ผม Label เอง) https://drive.google.com/file/d/1MWy1hQ0UosfAMxJOvMwm6Iydqi0ijjd6/view?usp=sharing จากนั้นแตกไฟล์ที่ที่อยู่เดียวกับโค้ด CocktailClassification.py จากนั้นทำการรันดูใน spyder
หากสามารถใช้ได้ ก็จะสามารถทำนายด้วยตัวเองเล่นๆได้โดยการเปลี่ยนที่อยู่ของรูปที่ต้องการทำนาย ในโค้ด Input ด้านล่างโมเดล
เอาจริงๆ ผมเองก็ไม่รู้ว่าจะเอาไปทำอะไรได้ต่อไป แต่อย่างน้อยหากเรารู้ส่วนผสมและปริมาณแอลกอฮอล์ในเครื่องดื่มที่เรากิน เราจะได้เอาไปคำนวณได้ว่า จะกินอีกกี่แก้วดีนะ ที่จะทำให้เป่าเครื่องเป่าที่ด่านแล้วจะไม่ติดคุก 5555555