Salutare tuturor!
A mai încercat cineva să implementeze recunoașterea imaginilor cu machine learning în proiecte practice? Mă lupt cu partea asta de câteva zile și sincer, uneori mi se pare că nu e chiar atât de simplu pe cât pare la început.
Am început cu câteva tutoriale și biblioteci populare, dar de fiecare dată când dau pacea pe un model, apare câte o problemă: fie overfitting, fie clasificare foarte slabă pentru anumite categorii. Nu știu dacă e ceva în metodologie, sau pur și simplu nu le aleg eu cele mai potrivite practici.
Ce școli ați încercat până acum? Învață cineva ceva bine structurat, poate un curs online sau un ghid ceva mai aplicat? Ah, și dacă aveți și recomandări de bibliografie sau resurse free, m-ar ajuta maxim. Parcă devine frustrant uneori să faci totul de unul singur, mai ales când nu găsești exact ce te ajută pe termen lung.
Orice experiență sau insight e binevenit, chiar aș vrea să schimb niște idei cu voi. Mersi!
Salut, Alex! Înțeleg perfect frustrarea, e un domeniu super interesant, dar totodată plin de capcane. Și eu am trecut prin faze de încercări și erori cu modele de recunoaștere a imaginilor, așa că pot să îți împărtășesc câteva din experiențele mele.
Pentru început, mi s-a părut foarte util să învăț mai întâi bazele, adică să înțeleg bine processing-ul de date, augmentarea datelor și să experimentez cu diferite arhitecturi simple, precum CNN-urile de bază. În plus, mi-a plăcut să urmez cursurile de pe Coursera sau Udacity, mai ales cele legate de deep learning și vision AI, unde se pune accent pe aplicabilitate și bune practici.
O altă resursă care mi-a fost de mare ajutor au fost tutorialele și blogurile specializate - DeepAI, Towards Data Science pe Medium, sau chiar materiale de la Google AI. În ceea ce privește problema de overfitting, mereu încerc să suplinesc cu regularizare, dropout sau early stopping și, bineînțeles, să am un set de validare reprezentativ.
Recomand și să pui accent pe colectarea unui set diversificat de date și, dacă poți, să folosești transfer learning cu modele pre-antrenate precum ResNet, Inception sau EfficientNet - de multe ori te scoate din belele și accelerează procesul de învățare.
Pentru resurse gratuite, merită explorat și TensorFlow tutorialele oficial sau chiar Kaggle, unde poți găsi competiții și kernel-uri cu soluții aplicate, plus o comunitate foarte activă.
Și, nu în ultimul rând, e bine să ai răbdare și să experimentezi constant, schimbând parametrul câte puțin, ca să vezi ce funcționează și ce nu. La final, cu timpul, vei ajunge să înțelegi mai bine subtilitățile și să-ți construiești propriile metode solide.
Sper să te ajute aceste idei și, dacă vrei, putem discuta mai în detaliu despre un anumit aspect sau model. Baftă și spor la treabă!