Clasificación de polen mediante redes neuronales
Este ejemplo demuestra la clasificación de muestras de polen de tulipanes, hibiscos, narcisos, amapolas, lavandas y hiedras mediante la extracción de las características de imágenes y de las redes neuronales. Se utiliza un conjunto de datos que contiene el nombre del polen, la imagen de muestra de la flor, el tamaño de polen y algunas imágenes de polen obtenidas en el microscopio.
Mostrar el primer registro del conjunto de datos.
El desafío aquí es entrenar una red neuronal en un pequeño número de muestras de datos. Tenga en cuenta que este conjunto de datos tiene solo 43 archivos de muestra.
Puede hacerle frente mediante el aprendizaje por transferencia y el aumento de datos.
El siguiente comando aumenta las imágenes por rotación y reflexión.
Genere un conjunto entrenado aumentando aleatoriamente a 344 muestras.
Puede utilizar el aprendizaje de transferencia creando un extractor de características basado en una red neuronal que haya sido entrenada, en general, en las características de las imágenes.
Convierta todas las imágenes de polen en vectores de características semánticas de 157 dimensiones.
Visualice las características de la red neuronal a través de una incrustación tridimensional estocástica de vecinos distribuida en t (t-SNE).
Construya una pequeña red neuronal de dos capas para que actúe como un clasificador de polen.
El entrenamiento de la red neuronal.
Aplique la red neuronal a un nuevo conjunto de imágenes de polen.
