Я начал изучать глубокое обучение с Fast ai, основанным @jeremyphoward и / @ racheltho в прошлом году. Быстрый ИИ делает обучение увлекательным. Он следует подходу сверху вниз - создайте что-нибудь, чтобы научиться. После работы над задачами классификации изображений - собаки против кошек, определение пород собак, я был заинтересован в создании классификатора таблички с именами для автобусов с использованием быстрого искусственного интеллекта.

Зачем нужен классификатор на доске названий автобусов?

Индия - разнообразная страна с множеством разных региональных языков. Во время моих недавних поездок в Хайдарабад и Бангалор я был немного удивлен, увидев автобусы с табличками с названиями на региональных языках. Туристу в этих городах было очень сложно пользоваться общественным транспортом. Представляю, как было бы в сельской местности.

Мне было интересно решить эту конкретную проблему с помощью Deep Learning с быстрым искусственным интеллектом. Я подобрал KK nagar в Ченнаи и выделил 5 маршрутов - 5E, 11H, 11G, 12 G, 17D. Я начал собирать изображения автобусных щитов. На сбор изображений у меня ушло почти две недели. Я собирал изображения в разное время дня и ночи. Ваша модель глубокого обучения хороша ровно настолько, насколько хорош ваш набор данных. Только шины были вырезаны и изменены по размеру из собранных изображений. В наборе данных есть пять папок с обозначениями 5E, 11H, 11G, 12 G и 17D с изображениями соответствующих изображений платы шины.

Набор данных содержит менее сотни изображений для трех категорий, а в двух категориях - сотни с лишним изображений. Для построения модели я использовал архитектуру resnet34. Не размораживая слои, я смог получить точность 86% во время тренировки в течение 13 эпох. На тренировку с быстрым ИИ ушло меньше минуты.

Я использовал lr_find (), чтобы найти скорость обучения. После размораживания слоев я тренировался в течение 5 эпох с max_lr = slice (1e-5,1e-3). Мне удалось добиться точности 90,35%.

Чтобы развернуть это приложение локально на вашем компьютере, обратитесь к этому репозиторию - https://github.com/bhuvanakundumani/bus_project_production

Код проекта доступен по адресу https://github.com/bhuvanakundumani/busboard_blog.git.