SZI-Smieciarka/kacperRaport.md
2020-05-11 16:45:44 +00:00

2.0 KiB

Sztuczna Inteligencja

Temat projektu: Inteligenta Śmieciarka

Zespół: Kacper Borkowski, Adam Borowski, Adam Osiowy

Podprojekt: Kacper Borkowski


1. Model:

model

  • Powyższa funkcja tworzy sekwencyjny model sieci neuronowej
  • Składa się on z warstw
  • Warstwa Conv2D jest to warstwa splotu, stosuje ona filtr na obrazku
  • Warstwa Activation jest to warstwa aktywacji wykorzystująca funkcję aktywacji, relu jest to funkcja zwracająca 0 dla x < 0 oraz x dla pozostałych argumentów; softmax to funkcja pozwalająca na poznanie rozkładu prawdopodobieństwa na kategorie
  • Warstwa MaxPooling wyciąga największą wartość z wycinka obrazka, w tym przypadku z kawałka 2x2 piksele
  • Warstwa Flatten spłaszcza macierz do wektorów
  • Warstwa Dense to połączone ze sobą neurony
  • Warstwa Dropout przepuszcza część danych, w tym przypadku 50% w celu uniknięcia przeuczenia sieci

2. Uczenie modelu:

uczenie

  • Model uczy się na 1599 zdjęciach śmieci podzielonych na 4 kategorie
  • Wszystkie zdjęcia mają rozmiar 299x299 pikseli
  • Podczas uczenia zbiór dzielony jest na paczki po 16 elementów
  • Zastosowana funkcja straty to categorical_crossentropy ponieważ mamy więcej niż dwie klasy śmieci

2. Przewidywanie:

przewidywanie

  • Obrazki są zamieniane na macierze
  • Prediction zawiera rozkład prawdopodobieństwa obrazka na kategorie
  • Funkcja zwraca konkretny typ śmiecia w zależności od przewidzianego prawdopodobieństwa

2. Integracja w projekcie:

integracja

  • Podczas wizyty śmieciarki w domu wykonywana jest funkcja przewidzenia kategorii na każdym ze śmieci w danym domu
  • Zależnie od wyniku przewidywania śmieć jest umieszczany na odpowiedniej liście śmieci w śmieciarce
  • Śmieci z wszystkich list są wyładowywane na wysypisku do kontenerów odpowiadających listom
  • Zdjęcia śmieci znajdują się finalnie w posortowanych folderach