Segunda parte: Classificação de imagens (sem código) com o Alteryx Intelligence Suite
É aqui que definimos as opções para o modelo.
Colocamos as imagens de treinamento e validação.
Um modelo preditivo, neste caso o modelo de classificação que vamos usar, requer imagens para começar a aprender, as de treinamento.
Então, para ter certeza de que o modelo não está memorizando as imagens que lhe apresentamos e é muito eficiente em classificar apenas as que conhece; usamos outro conjunto de imagens para validar que ele é capaz de fazer previsões adequadas em imagens que nunca viu antes.
Dessa forma, garantimos que nosso modelo tenha melhor desempenho no mundo real.
É importante notar que a plataforma possui 4 tipos de modelos, que descrevo abaixo, pré-treinados e que podemos aproveitar para tornar nosso processo de classificação mais fácil e rápido.
Nas opções de modelo temos:
Além disso, dentro da plataforma podemos consultar os detalhes de configuração de forma rápida e em espanhol. Clicar no ponto de interrogação abre a ajuda.
Uma vez que temos o modelo treinado para classificar as imagens que preciso, ele é exportado em um formato de banco de dados Alteryx, yxdb, para agilizar o processo e classificar novas imagens.
Uma vez que temos o modelo treinado, podemos usá-lo para classificar novas imagens que o modelo nunca viu.
Para isso utilizamos primeiro as imagens Holdout, com o modelo treinado. Para fazer a classificação, usamos a ferramenta Prediction encontrado na guia machine learning.
O resultado do modelo será o rótulo previsto. Para verificar se o modelo nos fornece resultados adequados ao objetivo, comparamos o rótulo original da imagem com aquele que o modelo previa.
Para isso, primeiro utilizo uma fórmula, que faz a comparação entre o rótulo original e o que o modelo previu para separar os corretos dos incorretos com um filtro.
Então eu crio um relatório com as classificações corretas e incorretas. Usando o bloco de imagem e a tabela básica.
Para validar a eficácia do modelo, criei uma tabela de contingência para contar o número de previsões corretas e incorretas.
Agora que temos um modelo que nos dá resultados aceitáveis, podemos usar novas imagens para classificá-las rapidamente ou implantar o modelo em produção.
Podemos até criar um aplicativo analítico para que o modelo seja consumido por meio do Alteryx Server por outros usuários de negócios diretamente em um navegador da Web sem a necessidade de uma licença do Alteryx Designer.
Com alguns elementos de interface, podemos criar um aplicativo para que os usuários utilizem o aplicativo analítico através do servidor sem nenhuma programação.
Você só precisa configurar ambos os elementos:
Primeiro o arquivo de navegação, que permitirá ao usuário usar suas próprias imagens para o modelo para classificá-las.
Aqui adicionamos o texto que será exibido na aplicação.
A segunda é a ação, que atualizará dinamicamente os valores no fluxo.
O que temos que selecionar neste caso é o campo que irá atualizar e, abaixo, onde levará o valor para atualizá-lo.
Se você quiser saber mais sobre como criar aplicativos de analíticos, acesse a comunidade do Alteryx.
Qual é a mágica de criar um aplicativo analítico?
Quando o publicamos no Alteryx Server, os usuários podem usá-lo de forma ilimitada e sem a necessidade de uma licença do Designer.
O aplicativo analítico ficará assim na Galeria do Servidor.
Com esta aplicação, o utilizador pode, através do seu navegador de internet, selecionar as suas próprias imagens e usufruir do modelo de classificação que outra pessoa da sua organização criou.
O resultado será exibido no navegador e em qualquer formato configurado para a saída.
O processo de treinamento do modelo preditivo para classificar imagens é muito simples, você só precisa arrastar alguns blocos analíticos, selecionar algumas opções, fazer alguns testes para escolher o modelo que melhor se adapta ao que você quer resolver e pronto.
Usei 1.200 imagens de concreto com defeitos e sem defeitos. O treinamento durou aproximadamente 5 minutos.
A acurácia do modelo, ou seja, o número de erros cometidos na classificação das imagens, foi de 100%. Isso vai depender muito da quantidade e variedade de imagens que usarmos para o treinamento.
As aplicações deste tipo de modelos de classificação de imagens são enormes. Reconhecer assinaturas em documentos, verificar se um automóvel sofreu danos num acidente, identificar se a tela do celular está quebrada, entre muitos outros, fazem desta funcionalidade um enorme valor acrescentado.
Você deve ser um usuário registrado para adicionar um comentário aqui. Se você já estiver registrado, faça logon. Se você ainda não estiver registrado, registre-se e faça logon.