TensorFlow: Image Classification
Image Classification
คือการจำแนกประเภทของรูปภาพ โดยสิ่งที่ขาดไม่ได้นั้นเลยคือข้อมูล (Dataset) ซึ่งเบื้องหลังจะมีกระบวนการทำงานแบบ Convolutional Neural Network (CNN หรือ ConvNet)
หากท่านใดที่ไม่ต้องการ Setup Environment ต่างๆ ของ Python หรือ Jupyter notebook แนะนำให้ลองใช้ Colab แทนครับ เป็น notebook ที่ทาง Google เปิดให้ใช้งานฟรี(Limit Resource) พร้อมกับ GPU (จะไม่ขอลงรายละเอียดในส่วนนี้นะ)
เบื้องต้นทำการตรวจสอบ GPU และ Python ว่าพร้อมใช้งานไหม
Import Library ต่างๆที่ใช้งาน
ตรงนี้จะวุ่นวายนิดหน่อย เนื่องจากใช้งาน Dataset จากข้างนอก จึงมีการ Config เพิ่มเติม
สั่งให้ทำการ Download มาแล้วทำการแตกไฟล์
เนื่องจากตัว Dataset ที่โหลดมาจาก Github ทำให้ตอนแตกไฟล์มีคำว่า master ต่อท้ายเข้ามา (จาก Fruit-Images-Dataset) จึงมีการแก้ไขเล็กน้อยและเช็คไฟล์รูปภาพ
โดยที่ผลลัพธ์จะเป็น Path Directory ใหม่และจำนวนรูปภาพ
ทำการ Config ข้อมูลที่จะไปคำนวณ โดย num_classes ในที่นี้คือจำนวนชนิดของผลไม้จาก และ Width, Height มีขนาด 100x100 ของ Dataset ชุดนี้
ทำการนำเข้า Dataset ที่จะ Train และ Validate
ผลลัพธ์บรรทัดสุดท้ายคือชนิดของผลไม้ของ Dataset ชุดนี้
ทำการ Normalization ค่าสี RGB
เสร็จไปแล้วกับเตรียมข้อมูล ขั้นตอนต่อไปคือการสร้าง Model ขึ้นมา
ทดลอง Compile Model เพื่อเช็คความถูกต้อง
Train มันซะ !
เสร็จแล้วก็ Save Model ไว้ซะหน่อย เผื่อต้องใช้ในคราวหน้าจะได้ไม่ต้องมา Train มันซะใหม่
Save เสร็จแล้ว ก็ทดลอง Load ดูซะหน่อยว่าไม่มีปัญหา
นำมา Plot Graph ตรวจสอบ Accuracy/Loss
แสดงตัวอย่างจาก Dataset
ทดลอง Predict จาก Model ที่ทำการ Train เสร็จแล้ว
ทดลองนำรูปจาก Dataset
ทดลองนำรูปที่ไม่อยู่ใน Dataset
สรุป เท่าที่ทดลองเล่นดูพบว่าหากนำรูปใน Dataset มาทำนายจะให้ผลลัพธ์ที่ค่อนข้างตรง แต่หากเป็นรูปที่ไม่อยู่ใน Dataset จะให้ผลลัพธ์ที่ไม่เป็นที่คาดหวังเท่าไร อาจเป็นเพราะ Dataset ที่มีจำนวน Class มากเกินไป หรือเพราะ Model/Algorithm ที่ยังไม่เหมาะสมกับ Dataset/Normalization นี้
Reference
https://www.tensorflow.org/tutorials/images/classification
https://github.com/Horea94/Fruit-Images-Dataset
https://blog.pjjop.org/deep-learning
Colab
https://colab.research.google.com/drive/1as41WUg31RN2aGVK2zf6LxP7syht09R6
บทความนี้เป็นส่วนหนึ่งของรายวิชา AI จัดทำขึ้นเพื่อทดลองทำ Lab ซึ่งหากมีข้อผิดพลาดใดๆ ขออภัยไว้ ณ ที่นี้
