Previous Post
Tweet about this on TwitterPin on PinterestShare on LinkedInShare on Google+Email this to someoneShare on FacebookShare on VkontakteShare on Odnoklassniki
Read on Mobile

lime 패키지로 Keras 이미지 분류 모델링

우리는 keras로 이미지 분류 모델을 training 하는 것이 얼마나 쉬운지 지난 게시물을 통해 알 수 있었습니다. 그 포스트에서 보여주지 않은 것은 예측을 위해 모델을 사용하는 방법이었습니다. 오늘은 lime 패키지를 사용한 예측에 대한 설명을 합니다. Thomas Lin Pedersen lime 패키지는 이제 CRAN뿐 아니라 Keras 및 이미지 분류 모델을 기본적으로 지원합니다. 여기에서는 Imagenet (VGG16)을 사용하여 과일 이미지의 예측을 설명하고 설명한 다음 분석을 지난 주 모델로 확장하고 사전 계산물과 비교합니다.

 

관련 라이브러리 및 모델 불러오기

  • 사전 훈련된 Imagenet 모델로드하기

 

 

이미지로드 및 준비

여기에 과일 이미지 두 장을 불러들여 전처리 합니다 (예 : 모델이 학습 이미지와 유사하기 때문에 내 모델이 작동 할 것으로 기대하는 이미지를 선택하기 때문에 약간의 부정 행위가 있습니다.).

  • 바나나

 

  • 클레멘 타인

 

슈퍼픽셀

슈퍼픽셀로 이미지를 세분화하는 것은 이미지 모델에 대한 설명을 생성하는 중요한 단계입니다. 세분화가 정확하고 그림의 의미있는 패턴을 따르는 것뿐만 아니라 슈퍼픽셀의 크기 / 갯수가 적절하다는 것이 중요합니다. 이미지의 중요한 특징이 너무 많은 부분으로 나눠지면 순열은 거의 모든 경우에 인식을 넘어서 그림을 손상시켜 설명 모델이 잘못되었거나 실패한 것입니다. 관심 객체의 크기가 다양하기 때문에 세그먼트 수의 슈퍼픽셀 수에 대한 엄격한 규칙을 설정하는 것은 불가능합니다. 객체의 크기가 이미지의 크기에 비해 클수록 슈퍼픽셀 수는 적습니다. plot_superpixels 를 사용하면 시간 소모적인 설명 기능을 시작하기 전에 슈퍼픽셀 매개 변수를 평가할 수 있습니다.

 


슈퍼픽셀 플롯에서 우리는 클레멘타인 이미지가 바나나 이미지보다 높은 해상도를 가지고 있음을 알 수 있습니다.

 

Imagenet 을 위한 이미지 준비

 

  • 예측 테스트

 

  • 라벨 로드 및 설명자 학습

설명자 학습(explain() 함수)은 꽤 오래 걸릴 수 있습니다. 그것은 내 자신의 모델에서 더 작은 이미지를 사용하는 것이 훨씬 빠를 것입니다. 그러나 더 큰 Imagenet을 실행하려면 몇 분 이상이 걸립니다.

 

  • plot_image_explanation() 한 번에 하나의 사례 만 표시하도록 지원합니다.

내 모델에 대한 이미지 준비

  • 예측 테스트 (학습 및 검증 이미지와 유사)

 

이것은 lime관는 양립 할 수 없는 것 같습니다. (또는 그것이 어떻게 작동 하는지 알고 있다면 알려주세요.) 그래서 Imagenet 이미지와 비슷한 이미지를 준비했습니다.

 

  • 라벨 준비

 

  • 설명자 학습

  • block 플롯팅에 대한 좋은 임계 값을 찾기 위해 피쳐의 가중치를 플롯 (아래 참조)

  • 에측 플롯


 

 

출처: Explaining Keras image classification models with lime

(Visited 105 times, 1 visits today)
Next Post

Written by

Related Post

R에서 사용 가능한 머신러닝 기법
이번 기사는 2018 년 6 월 28 일 독일 하이델베르그 대학교 (University of Heidelberg)에서 열린

댓글 남기기

Inline
THE-R 블로그에 오신걸 환영합니다! R을 사용하는 모든 데이터분석가 여러분들이 저희 블로그 기사를 통해 실력이 일취월장하길 기원합니다.
Inline
THE-R 블로그에 오신걸 환영합니다! R을 사용하는 모든 데이터분석가 여러분들이 저희 블로그 기사를 통해 실력이 일취월장하길 기원합니다.