Add report

2020-05-26 21:24:38 +02:00 · 2020-05-26 21:24:38 +02:00 · 41eac9a8aa
commit 41eac9a8aa
parent 16002209bf
1 changed files with 149 additions and 0 deletions
--- a/Podprojekt-CNN-Maksymilian-Kierski.md
+++ b/Podprojekt-CNN-Maksymilian-Kierski.md
@ -0,0 +1,149 @@
+# Sztuczna Inteligencja 2020 - Raport z podprojektu
+
+
+**Autor:** Maksymilian Kierski
+**Raportowany okres:** 15.05.2020-26.05.2020 
+**Wybrana metoda uczenia:** Splotowe sieci neuronowe (CNN)
+
+## Cel podprojektu
+Celem podprojektu jest umożliwienie kelnerowi stwierdzenia czy na talerzu znajdującym się na stole jest jeszcze jedzenie, czy już go nie ma. Do tego celu zastosowałem splotowe sieci neuronowe (CNN), oraz biblioteki:
+
+* numpy, cv2 - tworzenie danych wejściowych
+* tensorflow keras - tworzenie modelu
+* tensorboard - analiza modelów
+
+
+## Uczenie modelu
+
+### Dane wejściowe 
+Dane wejściowe składają się z dwóch rodzajów zdjęć talerzy, full - pełnych, oraz empty - pustych.
+Na początku, aby nasz model mógł się nauczać potrzebujemy nasze dane wejściowe odpowiednio przetworzyć.
+
+```
+for category in CATEGORIES:  
+	path = os.path.join(DATADIR, category)
+	class_num = CATEGORIES.index(category)   
+	for img in os.listdir(path): 
+		try: 
+		  img_array = cv2.imread(os.path.join(path, img),  
+											  cv2.IMREAD_GRAYSCALE) 
+		  new_array = cv2.resize(img_array, (IMG_SIZE, IMG_SIZE))
+		  training_data.append([new_array, class_num]) 
+  except Exception as e:  
+	  pass  
+random.shuffle(training_data)
+```
+Tutaj nasze dane wejściowe są odpowiednio przetwarzane. Na początku zdjęcie jest z czytywane, oraz przetwarzane aby każdy pixel był w skali szarości 0 - 255 (ponieważ kolor w tym zadaniu według mnie, nie odgrywa ważnej roli). Następnie skalowany jest do mniejszych rozmiarów i w końcu jako macierz zadeklarowanych wymiarów trafia do tablicy ze swoją etykietą. Na końcu cała tablica jest przetasowywana, aby umożliwić modelowi lepszą naukę.
+
+Teraz dane zostają podzielone na zestaw cech i zestaw etykiet, oraz zostają zapisane do plików za pomocą **pickle**.
+```
+for features, label in training_data:  
+	X.append(features)  
+	y.append(label)
+  
+pickle_in = open(relative_path + 'SavedData/X.pickle', 'rb')  
+X = pickle.load(pickle_in)  
+  
+pickle_in = open(relative_path + 'SavedData/y.pickle', 'rb')  
+y = pickle.load(pickle_in)
+```
+
+### Tworzenie modelu i proces jego nauki
+#### Wczytywanie danych potrzebnych do nauki modelu
+Na początku z czytywane są odpowiednio przygotowane dane (funkcja load_dataset)
+```
+pickle_in = open(relative_path + 'SavedData/X.pickle', 'rb')  
+X = pickle.load(pickle_in)  
+  
+pickle_in = open(relative_path + 'SavedData/y.pickle', 'rb')  
+y = pickle.load(pickle_in)  
+
+return X, y
+```
+Wczytywanie danych i normalizacja X, ponieważ używam kolorów w skali szarości 0 - 255, to do normalizacji (skala 0-1) wystarczy przemnożyć każde pole macierzy przez 255. Inicjalizacja tensorboardu, który przyda się nam do analizy stworzonych przez nas modeli.
+```
+X = load_dataset()[0]  
+y = load_dataset()[1]  
+
+X = np.array(X).reshape(-1, IMG_SIZE, IMG_SIZE, 1)
+y = np.array(y)
+
+X = X / 255.0
+
+tenserboard = TensorBoard(log_dir='{}/logs/{}'.format(relative_path, NAME)) 
+```
+
+#### Tworzenie sekwencyjnego modelu splotowych sieci neuronowych
+Tutaj inicjalizuje model jako sekwencyjny, czyli w którym każda warstwa wykonywana jest po kolei.
+```
+model = Sequential() 
+```
+Jako iż tworzę splotową sieć neuronową w której podstawową strukturą jest 
+```mermaid
+graph LR
+A((splot)) --> B(suma)
+B --> C((splot))
+C --> D(suma)
+D --> E[w pełni połączona warstwa]
+E --> F[wynik]
+```
+to jako pierwsze tworzę warstwę splotu i sumy. 
+```
+model.add(Conv2D(64, (3, 3),input_shape=X.shape[1:]))
+model.add(Activation('relu')) 
+model.add(MaxPooling2D(pool_size=(2, 2))) 
+```
+Warstwa splotu opiera się na 64 filtrach, które sprawdzają pola o powierzchni 9 pixeli.
+Jak działa splot? Splot to czynność polegająca na pobieraniu oryginalnych danych i tworzeniu z nich mapy cech z pól o zadeklarowanych wymiarach. Jest ich tak dużo jak pozwala na to nam całość naszych danych. 
+Po czym wykonywana jest funkcja aktywacyjna ReLu.
+A na końcu na naszej wykonujemy pooling z atrybutem **max**, czyli z wielkości 2 na 2 z naszej warstwy splotu  wybieramy największą wartość.
+
+W tym pod projekcie najbardziej efektywne okazało się zastosowanie dwóch takich warstw.
+```
+layer size | conv layer | Dense layer |
+     64    |     1      |      0      | loss: 0.0443 - accuracy: 0.9942 - val_loss: 0.3614 - val_accuracy: 0.7692
+     64    |     2      |      0      | loss: 0.0931 - accuracy: 0.9625 - val_loss: 0.4772 - val_accuracy: 0.8462
+     64    |     3      |      0      | loss: 0.2491 - accuracy: 0.9020 - val_loss: 0.3762 - val_accuracy: 0.7949
+     64    |     1      |      1      | loss: 0.0531 - accuracy: 0.9971 - val_loss: 0.4176 - val_accuracy: 0.8205
+     64    |     2      |      1      | loss: 0.0644 - accuracy: 0.9798 - val_loss: 0.5606 - val_accuracy: 0.8462
+     64    |     3      |      1      | loss: 0.1126 - accuracy: 0.9625 - val_loss: 0.5916 - val_accuracy: 0.8205
+```
+![accuracy](src/SubprojectMaksymilianKierski/Data/LogsIMG/accuracy.svg)
+![loss](src/SubprojectMaksymilianKierski/Data/LogsIMG/loss.svg)
+
+W drugim przypadku nie musimy już zmieniać naszych danych ponieważ pochodzą one z poprzedniej warstwy.
+```
+model.add(Conv2D(64, (3, 3),input_shape=X.shape[1:])) 
+model.add(Activation('relu')) 
+model.add(MaxPooling2D(pool_size=(2, 2)))
+  
+model.add(Conv2D(64, (3, 3))) 
+model.add(Activation('relu'))  
+model.add(MaxPooling2D(pool_size=(2, 2)))
+```
+Na koniec spłaszczam naszą trój wymiarową tablice, na macierz stosując funkcje Flatten(), oraz używam warstwę Dense z tylko jednym neuronem, który będzie naszym wynikiem. Funkcja aktywacji jest to oczywiście funkcja sigmoid ponieważ chcemy otrzymać wynik (0-1).
+
+```
+model.add(Flatten()) 
+model.add(Dense(1))
+model.add(Activation('sigmoid'))
+```
+
+
+
+## Integracja z projektem
+
+Podprojekt wywołujemy naciskając **m** na klawiaturze, kelner wtedy wybiera losowo stolik i do niego idzie zaimplementowanym wcześniej algorytmem A*. Po dotarciu do wybranego miejsca, możemy wywołać funkcje sprawdzającą talerz **use_model_to_predict('img')**
+```
+def prepare(filepath):  
+  img_array = cv2.imread(filepath, cv2.IMREAD_GRAYSCALE)  
+  new_array = cv2.resize(img_array, (IMG_SIZE, IMG_SIZE))
+  plt.imshow(img_array, cmap=plt.cm.binary)  
+  plt.show()  
+  return new_array.reshape(-1, IMG_SIZE, IMG_SIZE, 1)  
+  
+model = tf.keras.models.load_model(relative_path + 'SavedModels/plate-64x2-cnn.model')  
+prediction = model.predict([prepare(relative_path + 'TestData/' + name + '.jpg')])  
+return int(prediction[0][0])
+```
+Funkcja ta konwertuję zdjęcie zadeklarowane do wylosowanego stolika oraz odpowiednio je konwertuję. Następnie ładuję zadeklarowany model przez nas model, który  zwraca nam odpowiednią liczbę, która w int() daje 0 lub 1. Odpowiednio 0 to talerz pełny a 1 to pusty. Dzięki czemu funkcją **text_speech()** możemy wyświetlić odpowiednią informacje na ekranie.