संवेदी तंत्रिका नेटवर्क और iOS में इसका एकीकरण (भाग 2)

पिछले भाग में, हमने डेटा तैयार किया, और कार्यान्वयन उपकरणों और तंत्रिका नेटवर्क ( लिंक ) की वास्तुकला की भी जांच की । चलो डेटा प्रीप्रोसेसिंग के साथ विकास का अगला चरण शुरू करते हैं।

उन्नयन

केरस विशेष रूप से छवियों के लिए डेटा प्रीप्रोसेसिंग के लिए उपकरणों की एक विस्तृत श्रृंखला प्रदान करता है। ImageDataGenerator विधि (छवि 7) आपको कृत्रिम परिवर्तनों के साथ डेटा सेट का विस्तार करने की अनुमति देती है।


चित्र 7। - डेटा जनरेटर।

जनरेटर के अंदर छवियों को घुमाने के लिए पहली संख्या रोटेशन_ अरेंज एक यादृच्छिक संख्या है। Width_shift_range - दिखाता है कि आप चौड़ाई में पिक्सेल मूल्यों को कितना कम कर सकते हैं। Height_shift_range - गुणांक जिसके द्वारा प्रत्येक पिक्सेल को ऊंचाई में संपीड़ित करने के लिए गुणा किया जाएगा। Shear_range - कतरनी दर, डिग्री में वामावर्त दिशा में बदलाव का कोण। Zoom_range - यादृच्छिक स्केलिंग के लिए सीमा। क्षैतिज_फ्लिप - क्षैतिज रूप से यादृच्छिक छवि प्रदर्शन। वर्टिकल_फ्लिप - रैंडम वर्टिकल इमेज डिस्प्ले। Fill_mode - इनपुट डेटा के बाहर अंक निर्दिष्ट मोड के अनुसार भरे जाते हैं। Data_format - छवि डेटा प्रारूप। इस प्रकार, तंत्रिका नेटवर्क का बेहतर सामान्यीकरण होगा, क्योंकि मूल डेटासेट में मूल रूप से स्वच्छ पिक्सेल होते हैं, संख्या केंद्र में होती है।वास्तविक तस्वीरों में, अन्य परिस्थितियां संभव हैं जब इशारा एक कोने में या धुंधला हो। नए डेटा के साथ सीखने की प्रक्रिया को फिर से लिखा जा रहा है।

अंजीर 8 में, टेस्ट ग्राफ कम होने लगा, इसलिए प्रशिक्षण रोक दिया गया। यदि val_acc मीट्रिक को रोकने के लिए उपयोग नहीं किया गया था, तो एल्गोरिथ्म अपना काम जारी रखेगा, जिसके परिणामस्वरूप एक पुनर्प्राप्त तंत्रिका नेटवर्क होगा।

पिछले परिणामों की तुलना में, नुकसान फ़ंक्शन का मूल्य घट गया और इसलिए, पूर्वानुमानों में एल्गोरिथ्म के विश्वास की डिग्री में वृद्धि हुई। सटीकता 2% से अधिक बढ़ गई (छवि 8, अंजीर। 9)।


अंजीर। 8 - नए डेटा पर प्रशिक्षण अनुसूची।


चित्र 9। - मॉडल मेट्रिक्स।

रूपांतरण

iOS एप्लिकेशन में एकीकरण के लिए आपको एक निश्चित प्रारूप का एक तंत्रिका नेटवर्क प्राप्त करने की आवश्यकता है। यह आपको CoreML फ्रेमवर्क बनाने की अनुमति देता है। यह आपको एक प्रारूप में प्रशिक्षित मशीन लर्निंग मॉडल चलाने की अनुमति देता है। अनुप्रयोगों में mlmodel। छवियों के साथ काम करने के लिए कोर एमएल पर आधारित एक फ्रेमवर्क विजन है और चेहरे, टेक्स्ट, ऑब्जेक्ट्स, बारकोड को ट्रैक करने और पहचानने में मदद करता है। छवि संरेखण के लिए क्षितिज निर्धारण और मैट्रिक्स अधिग्रहण भी उपलब्ध हैं।

.H5 से एक मॉडल में परिवर्तित करने के लिए। mlmodel का उपयोग Python Coremltools में पुस्तकालय द्वारा किया जाता है। यह पुस्तकालय mlmodel प्रारूप में रूपांतरण का समर्थन करता है।

मॉडल के सही निष्कर्ष के लिए, एक शब्दकोश निर्दिष्ट है जो 10 अंकों के अनुरूप होगा। अगली पंक्ति घोषित करती है, Model_check.h5 मॉडल का नाम है, यह आगे संकेत दिया गया है कि यह तंत्रिका नेटवर्क के इनपुट परत पर छवियां प्राप्त करेगा। Image_scale फ़ील्ड पिक्सेल के मैट्रिक्स को मानकीकृत करने का नेतृत्व करेगा। (चित्र। 10) अंजीर। 10


। - रूपांतरण।

मोबाइल एप्लिकेशन। तैयार मॉडल के साथ काम करें।

Apple डेवलपर्स की आधिकारिक वेबसाइट से एक उदाहरण परियोजना के लिए आधार के रूप में उपयोग किया जाता है। नवीनतम Xcode विकास पर्यावरण, प्रोग्रामिंग भाषा स्विफ्ट पांचवें संस्करण है।

प्रोजेक्ट में कोड वाली फाइलें (चित्र 11) मानी जाती हैं। AppDelegate.swift ने एप्लीकेशन स्टार्ट विंडो को लॉन्च किया और प्रोजेक्ट से जुड़ी सभी फाइलों को इनिशियलाइज़ किया।


चित्र 11। - आवेदन की संरचना।

एक तैयार मॉडल को sign_lang.mlmodel (छवि 12) के रूपांतरण के बाद परियोजना में जोड़ा गया है।


चित्र 12। - Xcode में मॉडल।

टाइप लाइन इंगित करती है कि मशीन लर्निंग मॉडल प्रोजेक्ट में जोड़ा गया है जो वास्तव में एक वर्गीकृत तंत्रिका नेटवर्क है। मॉडल की भविष्यवाणी करने के लिए, 64x64 के ग्रे तत्वों के साथ काले और सफेद चित्र इनपुट होंगे, कार्यक्रम उन्हें इस प्रारूप में दृष्टि के रूप में परिवर्तित करेगा। आउटपुट एक शब्दकोश होगा जिसमें जोड़े रूपांतरण के दौरान निर्दिष्ट लेबल के साथ लाइन होगी, और विश्वास (संभावना) जिसके साथ तंत्रिका नेटवर्क इसकी भविष्यवाणी करता है।

मुख्य अनुप्रयोग फ़ाइलें।

मुख्य फ़ाइल मानी जाती है - छवि वर्गीकरण दृश्य नियंत्रक.स्वभाव

ImageView - फोन स्क्रीन पर वर्तमान छवि को प्रदर्शित करने के लिए एक विंडो, मॉडल के इनपुट पर भेजी जाती है।

कैमराबटन - एक बटन, जिस पर क्लिक किया जाता है, एक संदर्भ मेनू लाएगा जो उपयोगकर्ता को निम्नलिखित कार्यों को करने की पेशकश करेगा: फोटो लें, फोटो चुनें। पहली कार्रवाई स्मार्टफोन का कैमरा खोलेगी, जिसमें फोटो मोड उपलब्ध होगा। (चित्र। 13)

वैकल्पिक क्रिया चुनते समय, फोटो चुनें, एक आंतरिक गैलरी खुल जाएगी। उपयोग फोटो बटन दबाने से उपयोगकर्ता मुख्य स्क्रीन पर वापस आ जाएगा, जहां तंत्रिका नेटवर्क छवियों का विश्लेषण करेगा और अपनी भविष्यवाणी देगा, जैसा कि अंजीर में दिखाया गया है। 14।

वर्गीकरण शब्द के बाद, हम दो सबसे संभावित परिणामों का निष्कर्ष देखते हैं जो मॉडल ने भविष्यवाणी की थी। कोष्ठक में संख्या तंत्रिका नेटवर्क का विश्वास है कि इसकी भविष्यवाणी सही है। अंजीर। 14 से यह देखा जा सकता है कि 0.99 के विश्वास के साथ एल्गोरिथ्म कहता है कि नंबर 0 दिखाया गया है। और यह वास्तविकता से मेल खाता है। कोई भी मशीन लर्निंग एल्गोरिदम वास्तविक डेटा पर 100% सटीकता नहीं दे सकता है, और निर्मित तंत्रिका नेटवर्क कोई अपवाद नहीं है, और झूठी भविष्यवाणी संभव है, जिसे अंजीर में देखा जा सकता है। 15.


चित्र 13। - कैमरे के साथ काम करें।


चित्र 14। - तंत्रिका नेटवर्क की भविष्यवाणी।


चित्र 15। - झूठी भविष्यवाणी।

परिणामस्वरूप, हमने सांकेतिक भाषा के अंकों को पहचानने के लिए एक दृढ़ तंत्रिका नेटवर्क की वास्तुकला तैयार की। तंत्रिका नेटवर्क प्रशिक्षण का प्रदर्शन किया गया था, और प्रशिक्षण डेटा के विस्तार और हाइपरपरमेटर्स के चयन के परिणामस्वरूप, एक परीक्षण डेटा सेट पर 81% की सटीकता प्राप्त की गई थी। एल्गोरिथ्म को स्मार्टफोन में पोर्ट करने के लिए सफलतापूर्वक रूपांतरित किया गया है। एक मोबाइल एप्लिकेशन विकसित किया गया था जिसमें एक तंत्रिका नेटवर्क को एकीकृत किया गया था।

कोड लिंक