В качестве финального проекта по курсу "Введение в анализ данных" мы выбрали работу, связанную со сверточными нейронными сетями (СNN - Convolutional Neural Networks). Этот класс машинного обучения характерен тем, что с его помощью удается достичь очень хороших результатов области распознавания образов и классификации изображений.
Наша нейронная сеть написана на базе архитектуры AlexNet.
INPUT: нейросеть получает 3 папки с изображениями: Train, Validation, Test. Данные можно загрузить здесь. В каждой из которых находится еще 6 папок, которые характеризуют один класс изображений, в нашем случае, изображений овощей. В каждом классе в Train содержится по 400 изображений, в Test и Train содержится по 100 изображений.
Далее мы подобрали оптимизатор Adam и критерий CrossEnthropy, это гипер-параметры, которые подбираются в нашей модели.
OUTPUT: изображение в виде тензора и класс, к которому это изображение принадлежит, а так же вероятность, с которой нейросеть предсказывает принадлежность.
Данная модель может быть полезна в магазинах продовольственных товаров. Например, при помещении продукта на весы, может предсказать тип продукта, что облегчит жизнь покупателям.
Никита Жерко - teamlead, тренировка, валидация и тестирование модели, работа с обучением нейросети,
Злата Образумова - работа с DataBase,
Елизавета Меньщикова - работа с AlexNet.