Notas do projeto · Goh Kun Ming
CNN Image Classification on Multi-Resolution Vegetable Dataset
IA · Projeto público
abr. de 2025 – mai. de 2025
Visão geral do projeto
Uma comparação acadêmica de arquiteturas convolucionais, resoluções de imagem e aumento de dados para classificar vegetais.
Um estudo de classificação de imagens vegetais comparando projetos de redes convolucionais em duas resoluções de imagem e configurações de aumento. Ele combina reparo de conjunto de dados, pré-processamento repetível e avaliação de resultados históricos de experimentos.
Por dentro deste projeto
- Classes de vegetais 11 comparadas nas entradas em escala de cinza 23×23 e 101×101, com e sem aumento.
- Nomes de diretórios de validação/teste corrigidos e imagens de cenoura extraviadas usando auxiliares com modo de simulação.
- Exploramos famílias sequenciais, funcionais, residuais, estilo Inception e CNN separáveis em profundidade.
- Documentou uma pesquisa sequencial histórica com precisão de validação 0.908 e uma execução separada com precisão de teste de cerca de 94.2%; os resultados não estabelecem um vencedor da arquitetura universal.
- Adicionados testes 13 em Python 3.11 e 3.12, com ampla cobertura 48%.
- Contagens divididas de conjuntos de dados registrados e artefatos de reprodutibilidade ausentes, incluindo pesos de modelo e comparações de múltiplas sementes.