c0chi/imagerecogr

reconocimiento de imagenes

ImageRecognitionR

Desc

Prueba de Tenseorflow en R para el reconocimiento de imagenes. Primero con una NN simple entrenada desde cero. Luego, sumando layers a una arquitectura red ya probada. En ambos casos, uso el modelo desarrollado para jugar clasificando imagenes tomadas desde la web.

Data

Armo un pequeño dataset con imagenes de 6 clases de frutas a partir del de Kaggle.

Training

Limes	Banana	Clementine	Strawberry	Huckleberry	Peach Flat
490	492	490	492	492	492

Validation

Limes	Banana	Clementine	Strawberry	Huckleberry	Peach Flat
166	164	166	164	164	164

 

Scripts

0_Training_frutas.R :

• Define las 5 clases,
• arma el grafo del modelo y
• lo entrena tomando lotes de imagenes desde el disco.
• el modelo queda guardado en : fruits_model_checkpoints.h5

 

1_Pruebas_frutas.R :

• carga el modelo de : fruits_model_checkpoints.h5
• carga las clases de : fruits_classes_indices.RData
• permite pasar la url de una imagen y clasificarla de acuerdo al modelo

 

Grafo del modelo

Loss & Accuracy

Viewer :

 

Tensorboard :

 

 

Ejemplo

Tomo de ejemplo una frutilla de wikipedia/strawberry:

[Izq : Imagen original (resized) - Der : Imagen transformada (resized) ]

 

Parte de 1_Pruebas_frutas.R :

> img_url <- ‘https://upload.wikimedia.org/wikipedia/commons/5/53/Strawberry_gariguette_DSC03063.JPG’ 
 ....
> paste0(rownames(df_classes_indices)[clase_pred+1],':', round(df_classes_indices[clase_pred+1,2],4) )
> plot(df_classes_indices$indice,df_classes_indices$prob, type = 'b',   main=paste0(rownames(df_classes_indices)[clase_pred+1],':', round(df_classes_indices[clase_pred+1,2],4) ))

Strawberry prob :0.9999 :

[Probabilidad por clase]

 

Urls

https://www.youtube.com/watch?v=PicxU81owCs