Um projeto para praticar os conceitos de deeplearning com redes neurais convolucionais, esse projeto consiste em desenvolver um modelo de rede neural, para classificar imagens em 10 classes diferentes.
Para isso, foi utilizado um dataset bem conhecido, que é o Cifar-10.
- Python 3.7
- Tensorflow 2.0
- Keras
- Numpy
- Pandas
- imageio
- matplotlib
- data
Contém o modelo de rede neural criado pelo arquivo cnn.py
- src
Contém os arquivos onde é feita a modelagem da rede neural, e outros módulos com funções para o arquivo principal
- samples
Contém algumas imagens para teste do classificador
- statistics
Contém os gráficos gerados pelo script app_statistics.py
- app.py
Arquivo principal que roda um app, onde é feita a predição
- Acurácia do Modelo: 77,88%
- Valor de Perda: 0.663
- Gráficos
-
Valor de perda alta
Um grande valor de perda, indica que nossa rede neural possui Overfiting, que é quando a nossa rede se 'acostuma' com os dados utilizados no treinamento. Uma possível solução possa ser aumentar o número de camadas ocultas, e aumentar o número de épocas. (Os testes foram realizados com duas camadas ocultas, e 50 épocas, mais informações em model_cifar10_summary).
-
Erro na predição de gatos e cachorros
Observando a matriz de confusão, conseguimos perceber que há um grande volume de erro entre a predição de gatos e cachorros. A possível solução seria a mesma que a para abaixar o valor de perda. Outra forma seria aumentando o número de dados utilizando o ImageGenerator da própria biblioteca.
