Segunda parte: Classificação de imagens (sem código) com o Alteryx Intelligence Suite

[Garabujo7]

Segunda parte: Classificação de imagens (sem código) com o Alteryx Intelligence Suite

Criação do modelo de classificação

É aqui que definimos as opções para o modelo.

Colocamos as imagens de treinamento e validação.

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.

Opções do modelo de classificação

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:

• Épocas:
  • É uma iteração dos dados através do modelo, tanto para frente quanto para trás
  • Quanto maior o número de épocas, melhores os resultados do modelo, embora o tempo de processamento aumente
  • A opção recomendada é 10

• Modelo pré-treinado:
  • A plataforma contém 4 modelos prontos para uso. Eles têm um equilíbrio entre maior precisão e tempo de processamento. Quanto mais precisos, mais tempo demoram para serem executados
  • VGG16. Mais preciso, mas mais lento
  • InceptionResNetV2. É rápido de treinar e um pouco mais preciso que o anterior
  • Resnet50V2. É o mais rápido e um pouco menos preciso
  • InceptionV3. Tem o melhor equilíbrio entre precisão e velocidade
  • O modelo recomendado pela plataforma é o InceptionV3

• Tamanho do lote de imagens a serem processadas
  • O tamanho do lote permite reduzir a quantidade de dados que passam pelo modelo em um determinado momento, para treinar os modelos sem ocupar tanta memória
  • A opção recomendada é 32

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.

Exportar o modelo treinado

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.

Classificação de 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.

Coloque 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.

Aplicações analíticas no Alteryx Server

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.

Conclusão

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.

Identificación de defectos en concreto.yxzp

ImágenesDefectosConcreto.7z