196 modeli samochodów w Stanford Cars Dataset
Oto zbiór danych, który pozwoli Ci nauczyć sieć neuronową rozpoznawać wiele modeli samochodów, z informacją o marce, a nawet roku produkcji samochodu! 196 różnych modeli na ponad 16 tysiącach zdjęć!
Cars196 – 196 modeli samochodów!
Dataset zawiera 16185 zdjęć samochodów spośród 196 kategorii. Zbiór jest podzielony na pół: 8144 zdjęć w zbiorze trenującym oraz 8041 zdjęć w zbiorze testowym. Dane są równo podzielone w ramach każdej klasy. Klasy w zbiorze rozróżniają producenta, model oraz rok produkcji np. Tesla Model S 2012, BMW M3 coupe 2012.
Jak wykorzystać te dane?
Co możemy zrobić? Pierwsza rzecz która się nasuwa to model który będzie rozpoznawał markę i model samochodu. No ale gdzie możemy to zastosować? Poniżej przedstawiam kilka pomysłów wykorzystania zbioru danych.
Rozpoznawanie marki, modelu, rocznika by automatycznie weryfikować zdjęcia w serwisach sprzedających samochody
Na tym zbiorze danych możemy wytrenować sieć neuronową do rozpoznawania obrazów taką jak Inception v3. Jako że rozpoznawanie obrazów jest bardzo popularne, możemy wykorzystać jedną z wielu wstępnie nauczonych sieci, ucząc jedynie nowe warstwy klasyfikujące. Przydatnym zasobem będzie tutorial tensorflow, oraz tutorial Keras o czym w osobnym poście.
Nauczony model możemy wykorzystywać na naszym laptopie, komputerze, naszych serwerach czy serwerach w chmurze. W chmurze możemy wykorzystać dynamiczne skalowanie by uruchamiać odpowiednią liczbę serwerów dla aktualnego obciążenia. Wykorzystując model nie jesteśmy zmuszeni do uruchamiania obliczeń na karcie graficznej. Możemy bez problemu korzystać z zasobów procesora CPU godząc się na dłuższy czas obliczeń.
Generowanie zbiorów danych na potrzeby wykrywania obiektów
Jeżeli wiemy jak nauczyć sieć neuronową rozpoznawania marki i modelu samochodu możemy wykorzystać taki model by wzbogacić zbioru danych do wykrywania obiektów o dodatkowe dane. W efekcie powstanie zbiór danych do wykrywania konkretnych modeli samochodów na drodze. Czyli zamiast ramki i etykiety samochód otrzymamy ramkę i etykietę Toyota Prius 2012.
Rozpoznawanie modelu wykrytego samochodu
Może nie chcemy trenować kolejnej sieci neuronowej, a chcielibyśmy wykorzystać gotową sieć do wykrywania samochodów i później rozpoznawać jaki to model. Możemy to zrobić. To co będzie nam potrzebne to jeden z modeli do wykrywania obiektów i sieć rozpoznająca modele samochodów. Dla każdego z wykryć samochodów musimy wyciąć fragment zdjęcia na podstawie ramki która otrzymujemy podczas wykrywania obiektów. Następnie przekazujemy obraz do naszej sieci rozpoznającej modele samochodów i otrzymujemy najbardziej prawdopodobny opis w postaci marki, modelu i roku produkcji.
Weryfikacja modelu samochodu w firmach ubezpieczeniowych
To już bardziej przykład możliwej aplikacji, bo osiągnąć to możemy na kilka wspomnianych sposobów. Rozpoznawanie marki, modelu i roku produkcji samochodu może być użyteczne dla firm ubezpieczeniowych. Takie rozwiązanie może wspierać człowieka weryfikującego zdjęcia.
Podsumowując!
Otrzymujemy bardzo ciekawy i przydatny zbiór danych, który możemy zastosować w wieku aplikacjach.
Masz własny pomysł co zrobić z tym zbiorem danych?
Podziel się swoimi pomysłami w komentarzu!
Dodaj komentarz