Food Classification
เกี่ยวกับงานทดลอง
Classes: Apple_pie | Baby_back_ribs | Baklava | beef_carpaccio |beef_tartre
Epoches: 100
Batch_size: 64
DataSet : https://drive.google.com/drive/u/1/folders/1E0DykybpdCVbNewGjmyX4khiVmMNnMjk
โดยแบ่งเป็น folder 5 Classes
ข้อมูลสำหรับเทรนนิ่งและทดสอบ
Apple_pie : จำนวน 100 รูปเพื่อใช้เทรนนิ่งและทดสอบจำนวน 25 รูป
Baby_pork_ribs : จำนวน 100 รูปเพื่อใช้เทรนนิ่งและทดสอบจำนวน 25 รูป
Baklava : จำนวน 100 รูปเพื่อใช้เทรนนิ่งและทดสอบจำนวน 25 รูป
Beef_carpaccio : จำนวน 100 รูปเพื่อใช้เทรนนิ่งและทดสอบจำนวน 25 รูป
Beef_tartare : จำนวน 100 รูปเพื่อใช้เทรนนิ่งและทดสอบจำนวน 25 รูป
วิเคราะห์ข้อมูล
แสดงจำนวนรูปตามแต่ละคลาสจำนวน 10 รูป
จากรูปภาพของอาหารถ้ามองด้วยตาเปล่าอาจจะแยกไม่ออกว่าอาหารอยู่ในประเภทไหนเพราะมีความคล้ายคลึงกันมากรวมทั้งแสงและเงาของรูปภาพยังแยกไม่ออกว่าเป็นเนื้อหรือเป็นหมูหรือเป็นอาหารจำพวกของหวาน
ขนาดของรูปภาพยังไม่สอดคล้องกับชื่อของอาหารเท่าไรหนัก บางภาพมีมุมเอียง บางภาพดูไม่ออกเลยว่าเป็นอาหารชนิดไหนเพราะรูปภาพมีขนาดเล็ก
เพื่อลดปัญหา Overfitting เนื่องจากชุดข้อมูลรูปภาพแต่ละคลาสมีขนาดเล็ก จึงทำการสร้างข้อมูลรูปภาพจาก Keras เพื่อปรับเปลี่ยนขนาดของรูปให้มีขนาดใหญ่ขึ้น
โมเดล
โมเดลที่ใช้เป็น Keras Sequential มีการเปิดใช้งาน ReLu และ Softmax เพื่อลดความซับซ้อนและลดการ overfitting ของข้อมูล ใช้ adam เป็นตัว optimizer
ผลการเทรนนิ่ง
Found 125 images belonging to 5 classes.
Accuracy score: 61.6%
ผลการทดสอบ
ตัวอย่างการทำนายจากโมเดล
Confusion matrix of 125 test images
บทสรุป
ข้อมูลรูปภาพอาหาร 5 classes: apple pie, baby pork ribs,baklavas, beef_carpaccio,beef_tartare
ความแม่นยำของโมเดลที่ 61.6% สาเหตุหลักเกิดจากจำนวนรูปภาพที่นำเทรนนิ่งและทดสอบโมเดลมีจำนวนน้อยทำให้โมเดลเรียนรู้ได้ยังไม่ดีพอและมีความคล้ายคลึงกันของรูปภาพของอาหารแต่ละประเภท
สุดท้ายและท้ายสุด
ขอบคุณที่อ่านมาถึงตรงนี้มีอะไร
Reference