Bildklassifikator CIFAR-10
Faltungs-Neuronales Netzwerk zur Bildklassifizierung des CIFAR-10-Datensatzes
01 Aufgabe
Die Aufgabe bestand darin, ein Modell zu trainieren, das ein Bild in eine von zehn CIFAR-10-Klassen klassifiziert, und die Genauigkeit auf ein angemessenes Niveau zu erhöhen, ohne bei der Basislinie stehen zu bleiben
02 Lösung
Ein Faltungsnetzwerk auf Keras und TensorFlow zusammengestellt, die Daten vorbereitet und erweitert, Faltungsblöcke mit Regularisierung gegen Überanpassung implementiert und Hyperparameter ausgewählt. Durchführung von Schulungen und Metriken in Jupyter, Speicherung des endgültigen Modells zur Schlussfolgerung
03 Gelöste Aufgaben
- Mit Keras und TensorFlow wurde ein Faltungsnetzwerk zusammengestellt, um 10 Klassen zu klassifizieren
- Erhöhte Genauigkeit über der Grundlinie durch Auswahl von Hyperparametern
- Implementierung von Faltungsblöcken mit Regularisierung gegen Überanpassung
- Die Daten wurden erweitert und das trainierte Modell zur Inferenz gespeichert
04 Ergebnis
Das Ergebnis ist ein Arbeitsmodell mit stabiler Testgenauigkeit und gespeicherten Gewichten, das ohne Umschulung zur Bilderkennung verwendet werden kann