Aggiornamento
ho visto che il programma label_inmage.py prevede anche degli switch che settano i valori di input_mean e input_std (di default sono impostati a 127.5 entrambi i valori)
modificando questi parametri cambiano anche in maniera sensibili i risultati dello stesso file di modello tflite. Con una configurazione differente non ci sono classi particolarmente penalizzate
allo stesso modo anche make_image_classifier possono essere cambiate le epoch, il learning rate, batch size, momentum (gradient descent)
====================================================================
Questo al momento e' il miglior risultato della rete neurale sui foraminiferi
Si nota abbastanza chiaramente che la classe Globigerinita Glutinata ha un tasso di riconoscimento del tutto errato. Le altre classi hanno prestazioni migliori con risultati intorno al 60% di corrette identificazioni
Per cercare di isolare il problema ho isolato gli errori del set di test
Globigerina Bulloides
Gli score di corretti riconoscimenti sono compresi tra 0.83 e 0.33
GB 280 |
Globigerina Bulloides 280 scambiata per Globigerinoides Sacculifer score 0.51
GB 315 |
Globigerina Bulloides 315 scambiata per Globigerinoides Ruber score 0.51
Globigerinita Glutinata
Gli score di corretti riconoscimenti sono compresi tra 0.59 e 0.35
GG 1406 |
Globigerinita Glutinata 1406 identificata dalla rete neurale come Globigerina Bulloides con score 0.35. La seconda piu' probabile identificazione con score 0.33 era Gobigerinita Glutinata ovvero la classe corretta
GG 1449 |
GG 265 |
GG 564 |
GG 68 |
Globigerinita Glutinata 68 identificata dalla rete neurale come Globigerinoides Sacculifer con score 0.55.
Globigerinita Glutinata 765 identificata dalla rete neurale come Neogloboquadrina Pachyderma con score 0.65.
GG 765 |
GG 822 |
Globigerinita Glutinata 882 identificata dalla rete neurale come Neogloboquadrina Pachyderma
GG 955 |
Globigerinita Glutinata 955 identificata dalla rete neurale come Globigerinoides Ruber con score 0.7.
Nessun commento:
Posta un commento