resnet50_classification

このフォルダのプログラムについて

このフォルダのmainプログラム(main.ipynb)は、ResNetの勉強を兼ねて、Hugging Faceにアップロードされている画像分類用のデータを題材にして、ResNetの実装やFine Tuningを試してみたものになります。

ResNet50による犬猫画像分類

PyTorchを用いたResNet50の実装と学習

プログラム概要

• 目的: 犬と猫の画像を分類する二値分類モデルの構築
• 使用モデル: ResNet50（スクラッチ実装）
• データセット: HuggingFace cats_vs_dogs
• フレームワーク: PyTorch

---

データ準備フロー

flowchart TD
    A[HuggingFaceからデータセット読み込み] --> B[RGB画像以外を除外]
    B --> C[データシャッフル]
    C --> D[Train/Validation分割<br/>8:2の比率]
    D --> E[データ量を35%に削減<br/>メモリ対策]
    E --> F[DataLoaderの作成]

Loading

---

データ前処理

データ拡張(Data Augmentation)

• リサイズ: 224×224ピクセルに統一
• ランダム左右反転: 確率50%で適用

正規化とテンソル化

1. PIL画像 → NumPy配列に変換
2. 形状変換: (H, W, C) → (C, H, W)
3. 正規化: ピクセル値を255で除算 (0-1の範囲)
4. PyTorchテンソルに変換

---

ResNet50アーキテクチャ

3種類のResidualブロック

graph LR
    A[ResidualBlock_1] --> B[チャンネル数維持<br/>解像度維持]
    C[ResidualBlock_2] --> D[チャンネル数4倍<br/>解像度維持]
    E[ResidualBlock_3] --> F[チャンネル数2倍<br/>解像度半分]

Loading

---

ResNet50ネットワーク構成

レイヤー	処理内容	出力チャンネル	出力サイズ
入力	-	3	224×224
Layer 1	Conv+BN+ReLU	64	112×112
Layer 2	MaxPool+ResBlocks×3	256	56×56
Layer 3	ResBlocks×4	512	28×28
Layer 4	ResBlocks×6	1024	14×14
Layer 5	ResBlocks×3	2048	7×7
Layer 6	AdaptiveAvgPool	2048	1×1
Layer 7	Linear	2	-

---

まとめ

実装内容

• ResNet50をPyTorchでスクラッチ実装
• 犬猫画像の二値分類タスクを実行
• データ拡張・正規化による前処理
• 学習・検証の自動化とチェックポイント保存
• 結果の可視化と評価