10А класс

Данная нейросеть различает 4 вида фруктов. Главным отличием от предыдущей нейросети является увеличенное число классов, а также специфический набор данных и чуть‑чуть увеличенный объём фотографий.

У меня изначально не было цели обучать нейросеть классификации фруктов, эта идея у меня возникла тогда, когда я увидел этот датасет. Главная особенность фотографий состоит в том, что изначально датасет создавался для автоматических весов в магазине, это хорошо видно по фотографиям. И я решил взять этот датасет, чтобы проверить, как он будет работать на обычных фотографиях. Также можно заметить то, что яблоки только красного цвета.

На снимке ниже представлен график количества фотографий для каждого класса. Заметим, что для обучающего набора данных на один класс приходится около 300 фотографий, справа представлено количество валидационных фотографий.

На этой фотографии представлен график правильных ответов на проверке. True labels - правильный класс, predicted labels - предсказанный класс. А если по-простому, то по горизонтали синий квадратик — это правильный ответ, а белый — неправильный. На графике мы видим хороший результат, но это не значит, что нейросеть будет хорошо классифицировать любые фотографии фруктов, ведь проверка проходила практически на тех же фотографиях.

Всего обучение этой модели заняло у меня 5 минут при использовании видеокарты.

Далее представлены примеры ответов нейросети.