forked from s444426/AIProjekt
43 lines
2.4 KiB
Markdown
43 lines
2.4 KiB
Markdown
|
## Podprojekt Jakub Adamski
|
||
|
|
Wykrywanie rodzaju rośliny w danym polu, na którym znajduje się traktor.
|
||
|
|
|
||
|
|
## Spis treści
|
||
|
|
* [Wykorzystana technologia](#wykorzystana-technologia)
|
||
|
|
* [Dane](#dane)
|
||
|
|
* [Kod](#kod)
|
||
|
|
* [Działanie](#działanie)
|
||
|
|
* [Uruchomienie](#uruchomienie)
|
||
|
|
* [Notatki](#notatki)
|
||
|
|
|
||
|
|
## Wykorzystana technologia
|
||
|
|
W projekcie wykorzystuję sieć neuronową. Jest to klasyfikator obiektów, oparty na modelu MobileNetV2. MobileNet to wysoce zoptymalizowana struktura pozwalająca na rozpoznawanie obiektów. <br>
|
||
|
|
Składa się z warstw: CNN - convolutional neural network do wyodrębnienia cech charakterystycznych z obrazka oraz jednej warstwy dense, złozonej z duzej ilosci neuronow, które produkują finalny wynik na podstawie wyniku z CNN.
|
||
|
|
|
||
|
|
## Dane
|
||
|
|
Trenowanie klasyfikatorów od zera jest bardzo czasochłonne. Zazwyczaj zajmuje nawet kilka dni, nie wspominając o zgromadzeniu bardzo duzej ilosci zdjęć - najlepiej klika milionów. <br>
|
||
|
|
Z tego powodu wykorzystuję, gotową, wytrenowaną sieć na zbiorze danych imagenet. Do uruchomienia urzywam pakietu keras dostępnego w bibliotece tensorflow. Tensorflow to rozbudowany zestaw narzędzi do machine learningu, keraz to nakładka ułatwijąca uzywanie tego frameworku.
|
||
|
|
|
||
|
|
## Kod
|
||
|
|
Klasyfikator działa w głównej pętli while w pliku main.py. Uruchamia się gdy traktor (niebieski kwadrat) zmieni swoją lokalizację. Zdjęcia przypisane do danej kratki są dobierane losowo. W finalnej wersji zdjęć będzie więcej - folder imgs/. <br>
|
||
|
|
Gdy klasyfikator zakończy swoje działanie, w konsoli pojawia się najbardziej prawdopodobny obiekt znajdujący się na zdjęciu. Zdjęcie pojawia się w osobnym oknie. Po zamknięciu okna mozemy kontynuować sterowanie traktorem za pomocą strzałek.
|
||
|
|
|
||
|
|
## Działanie
|
||
|
|
W finalnej wersji łączącej wszytkie podprojekty mozna dodatkowo dołączyć walidację otrzymanego wyniku na podstawie nazwy zdjęcia. <br>
|
||
|
|
![ss]("./ss/adamski1.png")
|
||
|
|
|
||
|
|
|
||
|
|
## Uruchomienie
|
||
|
|
Instalacja tensorflow <br>
|
||
|
|
Byl error z jakas biblioteka, trzeba zainstalować nomkl lub rozwiazanie ad hoc to komenda która pokazuje się przy błędzie. <code>os.environ['KMP_DUPLICATE_LIB_OK']='True'</code>
|
||
|
|
https://docs.anaconda.com/mkl-optimizations/
|
||
|
|
|
||
|
|
|
||
|
|
## Notatki
|
||
|
|
Lista obiektów:
|
||
|
|
- pumpkin/dynia ok - spaghetti_squash
|
||
|
|
- cabbage/kapusta ok - head_cabbage
|
||
|
|
- mushchroom/grzyb ok - mushroom
|
||
|
|
- cauliflower/kalafior ok - cauliflower
|
||
|
|
- ziemniak NIE ROZPOZNAL
|
||
|
|
- marchewka NIE ROZPOZNAL
|