Image classification
Billedklassifikation er opgaven at tildele et klassemærke til et inputbillede baseret på dets visuelle indhold.
Kort fortalt
En computer lærer at genkende, hvad et billede forestiller, fx om det er en kat eller en hund.
- Kategori
- teknik
- Niveau
- begynder
- Udtale
- /ˈɪmɪdʒ ˌklæsɪfɪˈkeɪʃən/
Betydninger
1- 1
Opgaven med at forudsige en etiket for et helt billede, typisk ved brug af en convolutional neural network (CNN).
- Modellen opnåede 95% nøjagtighed på billedklassifikationsopgaven. — Eksempel
- Transfer learning forbedrer ofte ydeevnen for billedklassifikation på små datasæt. — Eksempel
Hvornår bruges det
Bruges i alt fra medicinsk diagnostik til selvkørende biler til at identificere objekter. Modeller trænes typisk på store mærkede datasæt som ImageNet.
Kodeeksempel
model = Sequential([
Conv2D(32, (3,3), activation='relu', input_shape=(64,64,3)),
MaxPooling2D(2,2),
Flatten(),
Dense(10, activation='softmax')
])
model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])Et simpelt CNN til billedklassifikation med 10 klasser, opbygget med Keras.
Oprindelse
Fra engelsk 'image' (billede) og 'classification' (klassifikation), som stammer fra latin 'classis' (klasse) + 'facere' (gøre).