Vai al contenuto

Applicazioni pratiche di deep learning/Classificazione dei fiori

Aggiungi collegamenti
Wikibooks, manuali e libri di testo liberi.
Applicazioni pratiche di deep learning
Categoria · Copertina · Sviluppo · Modifica il template
Applicazioni pratiche di deep learningApplicazioni pratiche di deep learning

Riconoscimento malattie ortaggiApplicazioni pratiche di deep learning/Riconoscimento malattie ortaggi Elaborazione del linguaggio naturaleApplicazioni pratiche di deep learning/Elaborazione del linguaggio naturale Riconoscimento recensioni positive AmazonApplicazioni pratiche di deep learning/Riconoscimento recensioni positive Amazon Identificazione tumori della pelleApplicazioni pratiche di deep learning/Identificazione tumori della pelle Diagnosi polmoniteApplicazioni pratiche di deep learning/Diagnosi polmonite Diagnosi alzheimerApplicazioni pratiche di deep learning/Diagnosi alzheimer Analisi elettrocardiogramma (ECG)Applicazioni pratiche di deep learning/Analisi elettrocardiogramma (ECG) Classificazione dei tweetsApplicazioni pratiche di deep learning/Classificazione dei tweets Segmentazione delle immaginiApplicazioni pratiche di deep learning/Segmentazione delle immagini Profilazione delle personeApplicazioni pratiche di deep learning/Profilazione delle persone Raccomandazione prodottiApplicazioni pratiche di deep learning/Raccomandazione prodotti Da voce a testoApplicazioni pratiche di deep learning/Da voce a testo Conversazione AIApplicazioni pratiche di deep learning/Conversazione AI Classificazione dei fioriApplicazioni pratiche di deep learning/Classificazione dei fiori Interrogare documenti(LLM)Applicazioni pratiche di deep learning/Interrogare documenti(LLM) Realizzare un chatbot(LLM)Applicazioni pratiche di deep learning/Realizzare un chatbot(LLM)

Creare un notebook ColabApplicazioni pratiche di deep learning/Creare un notebook Colab

Il modello swin-tiny-patch4-window7-224-finetuned-flower-classifier che si trova su Hagging Face qui : https://huggingface.co/gianlab/swin-tiny-patch4-window7-224-finetuned-flower-classifier è stato ottenuto addestrandolo su Google Colab dopo avere importato le foto dei fiori da qui : https://www.kaggle.com/datasets/l3llff/flowers . Il modello consente di individuare la specie di un fiore con un'accuratezza del 93,39% . Le possibili specie di fiori classificati sono in inglese: 'common_daisy', 'rose', 'california_poppy', 'iris', 'astilbe', 'carnation', 'tulip', 'sunflower', 'coreopsis', 'magnolia', 'water_lily', 'bellflower', 'daffodil', 'calendula', 'dandelion', 'black_eyed_susan' .

Ci sono 3 possibilità per utilizzarlo :

1) Collegarsi con la pagina del modello https://huggingface.co/gianlab/swin-tiny-patch4-window7-224-finetuned-flower-classifier, cliccare su "Drag image here or click to browse from your device" e caricare la fotografia del fiore . Si otterrà una previsione della specie del fiore con la relativa accuratezza che va dall'1% al 100% .

2) Creare su Colab un nuovo file e incollare il seguente codice : 

!pip install -q transformers

from transformers import pipeline

pipe = pipeline("image-classification", "gianlab/swin-tiny-patch4-window7-224-finetuned-flower-classifier")

Caricare la fotografia del fiore sul server tramite il seguente codice: 

from google.colab import files 
files.upload()

Utilizzando la foto di Wikimedia Commons Magnolia cylindrica 1zz.jpg si può utilizzare il seguente codice per la sua visualizzazione: 

from pathlib import Path
from PIL import Image
path_im = Path('Magnolia cylindrica 1zz.jpg')
image = Image.open(path_im)
image

Per ottenere il nome del fiore digitare : 

 pipe(image)

con il seguente risultato : 

[{'score': 0.9097182750701904, 'label': 'magnolia'},
{'score': 0.04048147052526474, 'label': 'water_lily'},
{'score': 0.015440584160387516, 'label': 'california_poppy'},
{'score': 0.010492484085261822, 'label': 'daffodil'},
{'score': 0.0076720151118934155, 'label': 'rose'}]

Quindi nel caso specifico si tratta di una magnolia con un'accuratezza del 90,97% .

3) Invece di caricare la foto sul server di Colab si può importarla direttamente dal web con : 

from PIL import Image
import requests

url = 'https://www.mio_sito.it/foto_della_rosa.jpg'
image = Image.open(requests.get(url, stream=True).raw)
image
[modifica | modifica sorgente]

Estratto da "https://it.wikibooks.org/w/index.php?title=Applicazioni_pratiche_di_deep_learning/Classificazione_dei_fiori&oldid=456090"