MLUGS

Protokoll

Christian: Designing and Optimizing a Convolutional Neural Net for Dice Recognition

• eigene Würfelfotos gemacht und von Hand ausgeschnitten
• preprocessing auf trainingsdaten beinhalten: functional.autocontrast, Grayscale + RandomAffine
• beim testen ohne RandomAffine
• Model hat 5 CNN-layer -- das Vergleichsmodel im ml-workshop teil 3 hat nur 1 CNN-layer.
• am Ende eine Test-Accuracy von 97%

• zum tuning wurden auch die layer visualisierungen angeschaut

• Slides in https://mlugs.slack.com #general

• Code: https://gist.github.com/TheDevPanda/c478e858a854fd90eac9901a1dbcf3b0

Teaser: ML-Workshop Teil 4

"Fake"-Bilder generieren vom Nachthimmel als Trainingmaterial für Teil 5:
https://makerspace-esslingen.de/mlugs-makerspace-esslingen-machine-learning-workshop-teil-4-in-the-night-sky.html

next

• 2022-05-17