Notebook colab, utilizando rede inception, resultado do instruction 1 - pesquisa de modelos.
Grupo: Auxílio na tomada de decisão no processo de compra de frutas e vegetais.
Para alcançar o nosso objetivo, precisamos obter o conhecimento necessário para a classificação com redes neurais. Como primeiro passo na nossa jornada, decidimos criar um tutorial de como usar 2 redes neurais famosas:
- Resnet 50
- Inception v3
Este repositório contém o conteúdo e o notebook da rede Inception v3, assim como um guia para auxiliar aqueles que estão dando os seus primeiros passos.
A Inception é uma rede neural convolucional criada pelo Google (veja o artigo "Going Deeper with Convolutions", na seção de Links úteis), também conhecida como GoogLeNet. Essa é uma arquitetura muito famosa, foi a vencedora do torneio “ImageNet Large Scale Visual Recognition Challenge” (ILSVRC) de 2014, e ela se encontra no top 3 menores erros dessa competição:
Neste tutorial, utilizamos a versão 3 dessa arquitetura, proposta em 2015 e conhecida como "Inception v3" (veja o artigo "Rethinking the Inception Architecture for Computer Vision", na seção de Links úteis).
O principal diferencial dessa rede é o "módulo Inception", que é formado pelo paralelismo e a concatenação de várias convoluções pequenas para reduzir o número de parâmetros. Abaixo uma ilustração desse módulo:
Além disso, a Inception é uma rede única porque tem duas camadas de saída durante o treinamento. A segunda saída é conhecida como uma saída auxiliar e está contida na parte AuxLogits da rede. Já a saída principal é uma camada linear no final do rede.
- CS231n Convolutional Neural Networks for Visual Recognition - Texto sobre Aprendizado por Transferência
- Transfer Learning - Machine Learning's Next Frontier - Texto sobre Aprendizado por Transferência
- Going Deeper with Convolutions - Artigo da Inception v1
- Review: GoogLeNet (Inception v1)— Winner of ILSVRC 2014 (Image Classification) - Texto sobre a Rede Inception v1
- Rethinking the Inception Architecture for Computer Vision - Artigo da Inception v3
- Torchvision Models and pre-trained weights - Documentação de modelos do Pytorch
- Inception_v3 - Documentação do modelo Inception v3 do Pytorch
Inception_v3_Tutorial_+_Case_com_Dataset_Personalizado
Se após essas leituras ainda tiver alguma dúvida ou curiosidade sobre o tutorial, não hesite em entrar em contato no seguinte email: larissarosa@discente.ufg.br