You signed in with another tab or window. Reload to refresh your session.You signed out in another tab or window. Reload to refresh your session.You switched accounts on another tab or window. Reload to refresh your session.Dismiss alert
Problem koji se rešava:
Cilj projekta je razviti sistem za klasifikaciju pola osobe sa slike. Uzimajući u obzir sliku osobe kao ulaz, želim da algoritam automatski odredi da li je osoba muškog ili ženskog pola.
Algoritam/algoritmi:
Za rešavanje problema koristiće se konvolucione neuronske mreže (CNN) za klasifikaciju pola osobe sa slike
Tema je interesantna, ali neophodna su proširenja projekta. Ako pravite konvolutivne neuronske mreže (CNN) od nule, bitno je da isprobate različite varijacije mreža koristeći različite hiperparametre i arhitekture (različite dubine i slojeve mreže). CNN je lako napraviti, i zato je važno da isprobate različite varijacije i da sačuvate sve te varijacije kako biste ih mogli uporediti i prikazati razlike u rezultatima. Preporučujem upotrebu biblioteka kao što su Keras, PyTorch itd. Možete početi sa jednostavnom CNN arhitekturom, a zatim praviti različite varijacije i poboljšanja. Takođe, možete koristiti transfer learning, ali i u tom slučaju trebali biste eksperimentisati sa različitim načinima za poboljšanja.
Tema Vam je odobrena, ali imajte u vidu da jedna jednostavna CNN nije dovoljna. Srecan rad.
Članovi tima:
Nikola Šehovac RA 115/2020, grupa 3
Asistent:
Vujinović Aleksandar
Problem koji se rešava:
Cilj projekta je razviti sistem za klasifikaciju pola osobe sa slike. Uzimajući u obzir sliku osobe kao ulaz, želim da algoritam automatski odredi da li je osoba muškog ili ženskog pola.
Algoritam/algoritmi:
Za rešavanje problema koristiće se konvolucione neuronske mreže (CNN) za klasifikaciju pola osobe sa slike
Podaci koji se koriste:
Koristiće se dataset dostupan na Kaggle platformi na sledećem linku: https://www.kaggle.com/datasets/cashutosh/gender-classification-dataset . Dataset sadrži slike muškaraca i žena, a svaka slika je označena sa odgovarajućim polom.
Metrika za merenje performansi:
Kao metriku za merenje performansi algoritma, koristiće se procenat tačno klasifikovanih slika.
Validacija rešenja:
Dataset ce biti podeljen: 70% za obucavanje, 20% za validaciju i 10% za test
The text was updated successfully, but these errors were encountered: