Klasyfikator rodzaju odzieży - moduł machine learning dla WearMeUp.Club

W ramach eksperymentów zostało wytrenowanych 12 klasyfikatorów uczenia maszynowego opartych o konwolucyjne sieci neuronowe (ang. convolutional neural network, CNN).

Podczas treningu zostało przetestowanych wiele dobrze znanych (ang. state of the art, SOTA) struktur sieci CNN takich jak ResNet50, Vgg16, Inception v3, EfficientNet.

Ponadto zostały zaprogramowane dedykowane struktury od podstaw. Modele były testowane ze zmiennym rozmiarem pierwszej warstwy (warstwy wejściowej) sieci neuronowej, a dokładniej rozmiary przedstawiają się następująco: 96×96, 160×160, 224×224. 

Proces treningu odbywał się na przystosowanej do tego maszynie zawierającej kartę graficzną (GPU), w celu przyspieszenia procesu trenowania.

Do każdego wytrenowanego modelu został przygotowany raport, który zawiera dokumentację trenowanego modelu. Dokumentacja zawiera pełną strukturę modelu, warstwy, ich wymiary oraz liczbę parametrów. Raport zawiera wyniki dokładności uzyskane na zbiorze testowym dla następujących miar: dokładność, zbalansowana dokładność, precision, recall, miara f1.

Łącznie przeprowadzono 221 procesów treningu i testowania, a dla każdego z nich przygotowano wspomniany raport. 

Ponadto na etapie analizy dla modeli, które uzyskały najwyższy wynik miary zbalansowanej dokładności (dane były umiarkowanie niezbalansowane) została zapisana pełna struktura wraz z wagami w formacie .keras.