Keras, Tensorflow , Opencv pojmy a dojmy vysvetlenie rubrika: Programování: Python

2 ToTR
položil/-a 13.1. 11:26

Dobry den.

Zabavam sa s Kerasom a Tensorflowom a mam par otazok ktore nie su pre mna uplne jasne.

  1. 99% navodov ako si vygenerovat vlastnu siet na rozpoznavanie objektov konci s tym ze vysledok je .hdf5 alebo max .h5 subor ktory sa neda nativne pouzit v tensorflow a je potrebna konverzia do PB. Preco sa to tak deje?
  2. Co sa najviac pouziva v realnych aplikaciach pre "rychlu" detekciu? Je mi jasne ze to beha na GPU ale zaujimalo by ma ktory model je na to najefektivnejsi.
  3. Zaujimalo ma aj YOLO ale znova to cele zomrelo na tom ze vysledok je H5 a dovi dopo. https://github.com/AntonMu/TrainYourOwnYOLO Ma niekto overene a funkcne riesenie ako vygenerovat YOLO ale bez formatu .h5 teda keras?

  4. Nie je mi celkom jasne ako funguje samotny trening. Ak som spravne pochopil tak cim viac obrazkov ako zdroj a viac "epoch" tym lepsie, ale ak som napriklad pouzil na trening 100 obrazkov tak mam ovela lepsiu detekciu 95~98% ako ked som trenoval na 1000 obrazkoch 89~94%. Preco? Moja teoria je zalozena na tom ze mam vecsiu variabilitu ako pri 100 obrazkoch ale ocakaval by som ze by mal mat prave naopak vecsiu presnost. Ako to teda funguje?

Ja viem ze su otazky mozno bezo zmyslu pre niekoho kto tomu rozumie ale dost by mi pomohlo osvetlit niektore zakladne veci.

Dakujem

Komentáře

  • dominios : Na body 1-3 odpovedat neviem, ale pri 4 je to (zvacsa) pomerne jasne: pravdepodobne mas obrazky s prilis velkou variabilitou, teda siet ako taka sama seba pletie pocas ucenia. Inymi slovami, mozno len potrebuje viac casu na ucenie a teda viac epoch (co samozrejme bude poriadne trvat), alebo uprava datasetu, mozno je ten kontraproduktivny. Mozno v nom mas veci ktore naozaj siet ucit nechces, resp. to treba este lepsie zotriedit a pod.. Aby si co najlepsie vedel, ci mas dobry dataset, spravne z neho cca 10-20% obrazkov uplne zober prec - to bude tvoja testovacia vzorka. Testovacia vzorka by NIKDY nemala byt sucasne aj trenovacou. Spravne by si mal dostavat zhruba rovnake cisla aj keby si potom skusal prehadzovat tie obrazky (tzn. urobit to cele odznovu: z povodneho trenovacieho datasetu odloz 10-20% bokom na test a naopak, nahrad povodnymi testovacimi a trenuj uplne od zaciatku). Vysledky by si mal mat zhruba rovnake (uplne totozne asi ale nebudu nikdy). Priklad kedy moze byt zly dataset: chces klasifikovat medzi mackou a psom, ale v datasete mas aj obrazky, na ktorych su levice. V principe ano, patria tam a asi by mali dopomoct klasifikacii macky, ale nie je to uplne to, co mas v zadani. 13.1. 17:44
odkaz
2 ToTR
odpověděl/-a 14.1. 9:58

dominios : dakujem za odpoved k podobnemu som dospel aj ja len som to potreboval overit. Inak mas nieake sk/cz fora resp. skupiny kde sa o tom diskutuje?
Ak mozem na teba este jednu otazku na co presne si ty pouzil detekciu objektov? (praca, hobby a technologia ktoru si pouzil).
Dakujem

Pro plný přístup na Devel.cz se prosím přihlaste:

Rychlé přihlášení přes sociální sítě:

Nebo se přihlaste jménem a heslem:

Zadejte prosím svou e-mailovou adresu.
Zadejte své heslo.