multi-klasse billedklassifikation

1. 1

   Opgaven at forudsige én enkelt kategori for et billede fra et sæt af flere (≥3) kategorier.

   • En multi-klasse billedklassifikationsmodel trænet på CIFAR-10 kan skelne mellem fly, biler, fugle, katte osv.
   • I medicinsk billeddiagnostik anvendes multi-klasse klassifikation til at identificere sygdomstyper fra røntgenbilleder.

Bruges inden for computer vision til automatisk sortering af billeder, f.eks. til diagnose af medicinske scanninger, genkendelse af trafikskilte eller produktkategorisering i e-handel. Modellen trænes på et mærket datasæt og anvender ofte bløde sandsynligheder via softmax til at vælge den mest sandsynlige klasse.

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Conv2D, MaxPooling2D, Flatten, Dense

model = Sequential([
    Conv2D(32, (3,3), activation='relu', input_shape=(32,32,3)),
    MaxPooling2D((2,2)),
    Flatten(),
    Dense(128, activation='relu'),
    Dense(10, activation='softmax')  # 10 klasser
])
model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])

Simpel CNN-model til multi-klasse billedklassifikation på CIFAR-10 med 10 klasser og softmax-output.

Sammensat af 'multi-klasse' (fra latin 'multus' = mange og 'classis' = kategori) og 'billedklassifikation' (dansk for klassificering af billeder).

• ImageNet Large Scale Visual Recognition Challenge (Russakovsky et al., 2015)
• ImageNet Classification with Deep Convolutional Neural Networks (Krizhevsky et al., 2012)