Σχεδίαση και εκπαίδευση νευρωνικού δικτύου για ταξινόμηση εικόνων σπορόφυτων

Abstract

Σκοπός αυτής της διπλωματικής εργασίας είναι μια ολοκληρωμένη παρουσίαση, του τρόπου με τον οποίο δημιουργείται από την αρχή ένα νευρωνικό δίκτυο για την ταξινόμηση εικόνων. Στα πλαίσια της διπλωματικής θα παρουσιαστεί το ελάχιστο θεωρητικό υπόβαθρο που απαιτείται, για τα άτομα που θέλουν να ασχοληθούν με το χώρο της μηχανικής μάθησης, και του υπό-πεδίου της, της βαθιάς μάθησης, κάνοντας μια μικρή περιγραφή της ιστορίας των τομέων αυτών, περιγράφοντας βασικές έννοιες και προβλήματα που παρουσιάζονται στη δημιουργία ενός νευρωνικού δικτύου και ο τρόπος με τον οποίο μπορούν να επιλυθούν. Επίσης γίνεται αναφορά και περιγραφή του τρόπου με τον οποίο χρησιμοποιούνται κάποια από τα πιο πολυχρησιμοποιημένα εργαλεία για τη δημιουργία των νευρωνικών δικτύων, όπως το TensorFlow και το keras, στη δημιουργία ενός δικτύου για την ταξινόμηση εικόνων σε πολλαπλές κατηγορίες. Χρησιμοποιούνται έτοιμα δεδομένα από το kaggle, που αφορούν 12 διαφορετικές κατηγορίες φυτών σε διάφορα στάδια της ανάπτυξής τους. Στο πρακτικό μέρος, γίνεται δημιουργία πολλαπλών δικτύων, διαδοχικά, όπου βάσει των αποτελεσμάτων τους, εξάγονται συμπεράσματα και αναλύονται τα προβλήματα τους, με την προσπάθεια επίλυσής τους στην επόμενη εκδοχή του δικτύου. Με αυτόν τον τρόπο δημιουργούνται όλο και πιο περίπλοκα δίκτυα είτε μέσω της χρήσης καινούριων επιπέδων είτε με την επαναληπτική χρήση των ήδη υπαρχόντων, μέχρις ότου δημιουργηθεί ένα δίκτυο με αρκετά υψηλή ακρίβεια (96,7%) ταξινόμησης.