Aktivnost je povzeta po izvirnem seznamu aktivnosti avtorjev Codeweek in zaščitena z licenco Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) license. Tukaj najdete izvirni seznam aktivnosti. Obe podatkovni zbirki, Initial Training Dataset in Test Dataset, sta prav tako avtorsko delo.
Uporabili bomo Google’s Teachable Machine in z njim naučili stroj, da klasificira sliko bodisi kot kolo ali kot motorno kolo. Spomnimo, da je aplikacije strojnega učenja potrebno naučiti in testirati pred njihovo uporabo v praksi. Zbrali in razvrstili bomo vzorčne primere kategorij, ki jih bo kasneje razvrščal stroj, nato bomo model usposobili (naučili) ter testirali, ali vzorčne slike pravilno kategorizira.
1. korak: Zbiranje in kategoriziranje vzorčnih slik
- Prenesite slike koles, ki jih najdete tukaj
- Po potrebi prenesite vsebino stisnjene mape (zip) v lokalno mapo na vašem računalniku. Služila bo za učne podatke aplikaciji strojnega učenja.
- Prenesite slike motornih koles, ki jih najdete tukaj.
- Po potrebi prenesite vsebino stisnjene mape (zip) v lokalno mapo na vašem računalniku. Tudi ta vsebina bo služila za učne podatke aplikaciji strojnega učenja.
- Prenesite vse slike, ki jih najdete tukaj.
- Po potrebi prenesite vsebino stisnjene mape (zip) v lokalno mapo na vašem računalniku. Služila bo za testne podatke.
- Kliknite na Google’s Teachable Machine in izberite Image Project > Standard Image Model.
- Pod Kategorija 1 (Class 1), kliknite na: upload > Choose images from your files > odprite mapo s slikami koles, ki ste jo ustvarili v korakih 1 in 2 in iz nje uvozite shranjene slike.
- Pod Kategorija 2 (Class 2), kliknite na: upload > Choose images from your files > odprite mapo s slikami motornih koles, ki ste jo ustvarili v korakih 3 in 4 in iz nje uvozite shranjene slike.
2. korak: Učenje modela
Izberite Učenje (Training), nato kliknite na Učenje modela (Train Model). Model se bo sedaj naučil, kako prepoznati kolesa in motorna kolesa. Počakajte na obvestilo Model naučen / Model usposobljen (Model Trained).
Verjetno boste opazili, da ni potrebno ročno izbirati in vnašati posameznih lastnosti (značilnosti) koles in motornih koles. Algoritmi jih znajo namreč sami poiskati na slikah!
![](http://aiopentext.itd.cnr.it/wp-content/uploads/sites/14/2023/11/chadd-teachable-machine-1024x415.png)
3. korak: Testiranje modela
- Pod Predogled (Preview), kliknite na puščico zraven spletne kamere (webcam) in izberite vrsto vnosa: Datoteka (File).
- Kliknite, da izberete slike iz datotek na vašem računalniku (choose images from your files) ter nato izberite testno sliko, ki ste jo shranili v korakih 5 in 6
- Z miško se premaknite navzdol in preverite izhod.
- Ponovite postopek z drugimi slikami, da primerjate učinek.
Če uporabite sliko za učenje klasifikatorja, bo stroj že zabeležil ustrezno oznako za dotično sliko. Prikaz te slike stroju v fazi testiranja ne bo omogočil merjenja uspešnosti generalizacije. Zato se morajo učni in testni podatki med seboj razlikovati!
Opomba: naložite lahko tudi svoje slike ter z njimi model učite in testirate. Tukaj najdete dober in brezplačen vir za najrazličnejše podobe (slike)