Le projet de ce notebook a été réalisé dans le cadre de la formation d'ingénieur machine learning proposé par Openclassrooms.
Il portait sur la comparaison entres des modèles de computer vision entraînés initialement et l'utilisation de transfer learning.
La démarche a été réalisée de manière itérative par entraînements sucessifs de "nouveaux modèles":
- Modèle initial avec préprocessing seul
- Ajout d'optimisations : dropout, batchnormalization ...
- Implémentation de la data augmentation
- Transfer learning avec optimisation et data augmentation
L'ensemble des travaux ont été menés à l'aide du dataset Stanford Dogs. Ce dernier est constitué de 20 580 images de chiens triées en 120 classes relatives à leur race.
Les entrainements ont été réalisés sur GPU à l'aide de Google Colab.
Un notebook d'entraînement des modèles Un script python de prédiction Une présentation du projet
- Jupyter Notebook/Google Colab Pro
- Python 3.8.5
- Numpy
- Matplotlib
- PIL
- OpenCV
- Tensorflow/Keras