Final Projectielab.ie.nthu.edu.tw/108_IIE_project/3/PPT/108IIE_proj3... · 2020. 1. 10. ·...
Transcript of Final Projectielab.ie.nthu.edu.tw/108_IIE_project/3/PPT/108IIE_proj3... · 2020. 1. 10. ·...
-
鳶尾花預測
智慧化企業整合F i n a l P r o j e c t
1 0 8 0 3 4 5 4 4 楊雨澄
-
目錄
01. 5 W 1 H
02. 資料前處理
03. 模型架構
05. 結果 &討論
04.06. 結論 &未來
04. 改善過程及訓練
-
01.5W 1H
-
04.
-
• W h a t:提供遇到無法確認東西的人可能物種的方法
• W h o:對動物植物有興趣的人
• W h y:解決無法用肉眼及大致外觀特徵辨認的問題
• W h e r e:任何地點
• W h e n:遇到不確定的物種時
• H o w:利用分類器判別物種!
5W1H
-
• 透過建立C N N模型,利用四種特徵來辨識該花朵種類,並計算準確率
• D a t a s e t使用: I r i s
• 該資料及有1 5 0筆花朵資料,包含三種品種,每一筆資料皆有四種特徵
目標
-
Topic
-
流程
訓練m o d e l建立m o d e l資料前處理 測試m o d e l
-
02.資料前處理
-
Data-preprocessing
-
Data-preprocessing
-
Data-preprocessing
分割資料為測試集和訓練集
把三個種類的資料編號為0 , 1 , 2
-
03.模型架構
-
Model Structure
CNN parameter ValueNumber of convolution layers 3
Activation function ReluLoss function Categorical_crossentropy
Optimizer adamClassification function of the output layer Softmax
-
04.改善過程及訓練
-
Model Improvement
T e s t A c c u r a c y : 6 6 . 6 7 %
T e s t A c c u r a c y : 7 7 . 7 8 %
增加M o d e l卷積層數
-
Model Improvement
T e s t A c c u r a c y : 7 7 . 7 8 %
更改A c t i v a t i o n F u n c t i o n R e l u
T e s t A c c u r a c y : 9 3 . 3 3 %
-
Model Improvement
減少卷積層U n i t s 1 0 - > 5 , 1 5 - > 6
T e s t A c c u r a c y : 9 3 . 3 3 %
T e s t A c c u r a c y : 9 5 . 5 6 %
-
Model Improvement
更改優化器 A d a g r a d A d a m
T e s t A c c u r a c y : 9 5 . 5 6 %
T e s t A c c u r a c y : 9 7 . 7 8 %
-
Improve Steps
Steps Accuracy原始model 66.67%
原始model +層數 66.67% -> 77.78%(↑11.11)
改Activation 77.78% -> 93.33%(↑15.55)
改Units 93.33% -> 95.56%(↑2.23)
改Optimizer 95.56% -> 97.78%(↑2.22)
-
Model Training
E p o c h s = 1 0 0b a t c h = 1T r a i n i n g T i m e = 1 1 . 5 7 3 s e c
-
05.結果&討論
-
Result
T e s t A c c u r a c y : 9 7 . 7 8 %
-
Testing Result
( 6 . 1 , 3 . 1 , 5 . 1 , 1 . 1 ) ( 2 . 2 , 3 . 2 , 3 . 1 , 5 . 2 )
V e r s i c o l o r V i r g i n i c a
-
06.結論&未來
-
Conclusion & Future Work
C o n c l u s i o n
從這個研究可以得知,用特徵資料來判斷
並且建立深度學習模型為一個可行的方式。但
是其資料集較為稀少,可能造成其準確率較無
法提升。
F u t u r e W o r k
未來研究方向希望增加資料集複雜度。
另外透過圖像預測 , 並搭配相關特徵,來做
混合預測。
-
T h a n k y o u f o r y o u r a t t e n t i o n
投影片編號 1投影片編號 2投影片編號 3投影片編號 4投影片編號 5投影片編號 6投影片編號 7投影片編號 8投影片編號 9投影片編號 10投影片編號 11投影片編號 12投影片編號 13投影片編號 14投影片編號 15投影片編號 16投影片編號 17投影片編號 18投影片編號 19投影片編號 20投影片編號 21投影片編號 22投影片編號 23投影片編號 24投影片編號 25投影片編號 26投影片編號 27