Целью этого проекта по распознаванию цвета вина является создание простой модели машинного обучения с использованием платформы fastai для распознавания красного или белого цвета вина. Это введение в более крупную модель для прогнозирования качества вина, другие аспекты которой выходят за рамки этого проекта и могут быть реализованы с надеждой на будущее. Это интересует меня, потому что, как любители вина, мы полагаемся на свои чувства, чтобы создавать винные ноты, тогда как наличие приложения, которое может классифицировать свойства вина, обеспечило бы лучшую поддержку при составлении надлежащего обзора для конкретного вина.
Частью процесса разработки модели является получение правильного и надежного набора данных. Я просмотрел другие источники, но duckduckgo предоставил мне достаточно много значимых изображений. Из любопытства я сразу же обучил модель, применив только дополнения к набору данных. Однако результаты не были благоприятными, так как это привело к большему количеству потерь и ошибок. Я подумал о систематическом способе очистки набора данных путем удаления изображений, которые НЕ показывают ни одного бокала с вином в нем и НЕ показывают более одного элемента, который может появляться на заднем плане, например, не белый фон и красочные таблицы.
Это был теоретический шаг с моей стороны, поскольку я впервые делаю этот шаг. К моему удивлению, это изменило правила игры. Первое фактическое обучение с 8 эпохами показало очень минимальные потери, очень низкую частоту ошибок и очень высокую точность. Для второго и последнего тренинга я уменьшил количество эпох до 4, оставаясь с архитектурой resnet18 и продолжая расширять. Окончательный результат показал 100% точность, 0% ошибок и очень низкие потери. Он может предсказать цвет вина с точностью до 100%. Однако это создало логическую ошибку, когда в загруженных изображениях виски или других спиртных напитков было предсказано, что 90% белого вина.
Теперь пользователи могут использовать и просматривать эту модель, установленную в приложении (https://winecolorrecognition.herokuapp.com). Очевидно, что для того, чтобы этот проект был признан полностью успешным, может возникнуть больше вопросов и больше факторов для обсуждения. Я еще не видел результата с другой архитектурой и без каких-либо дополнений. Следующие шаги будут включать интеграцию свойств, которые не являются визуальными по своей природе, для решения проблем на изображениях, похожих на внешний вид вина. Наконец, я надеюсь развить это и стать частью более широкой задачи по созданию модели, которая предсказывает, что делает вино хорошего качества.
