Głęboki klasyfikator neuronowy etykietujący dane na podstawie określonych reguł.
.
├── docs # Dokumentacja
├── script # Skrypty w pythonie
│ ├──generateTrainTest.py # Generuje zbiór treningowy i testowy ze zbiorów ogólnych
│ ├──createModel.py # Zawiera funkcje pozwalajace stworzyc uzywane przez nas modele
│ ├──trainTest.py # Skrypt trenujacy model i testujacy na zbiorze testowym
│ ├──classifyUnlabeled.py # Skrypt trenujacy model i klasyfikujacy dane nieoznaczone
├── data # Zbiór danych
│ ├──train # Dane trenujace (generowane przez skrypt)
│ │ ├──accept # Dane trenujace - zaakceptowane deski
│ │ ├──reject # Dane trenujace - odrzucone deski
│ ├──test # Dane testujace (generowane przez skrypt)
│ │ ├──accept # Dane testujace - zaakceptowane deski
│ │ ├──reject # Dane testujace - zaakceptowane deski
│ ├──unlabeled # Dane nieoznaczone
│ │ ├──unlabeled # Dane nieoznaczone do oznaczenia przez model
│ ├──result # Wyniki klasyfikacji danych nieoznaczonych
│ │ ├──accept # Dane sklasyfikowane jako zaakceptowane
│ │ ├──reject # Dane sklasyfikowane jako odrzucone
│ ├──accept # Wszystkie dane zaakceptowane
│ ├──reject # Wszystkie dane odrzucone
│
└── README.md # Ten plik
Zdjęcia desek zaakceptowanych powinny trafić do folderu
data/accept
Zdjęcia desek odrzuconych powinny trafić do folderu
data/reject
Zdjęcia desek nieoznaczonych powinny trafić do folderu
data/unlabeled
Najpierw, aby stworzyć zbiór trenujący i testujący należy uruchomić skrypt:
script/generateTestTrain.py
Zmieniając parametr trainTestSplit można zmieniać stosunek wielkości zbioru trenującego. Domyślnie jest ustawiony na 0.7.
Aby wytrenować model i przetestować na danych testujących należy uruchomić skrypt:
script/trainTest.py
Aby wytrenować model i sklasyfikować dane nieoznaczone należy uruchomić skrypt należy uruchomić:
script/classifyUnlabeled.py
w skryptach można zmieniać stosowany model wybierając odpowiednią funkcję z pliku:
script/createModel.py