Team 11(MIPTCats) HW

Прогнозирование погоды с использованием методов машинного обучения.

Ильиных Александр Александрович

Зайцев Дмитрий Витальевич

Гриднев Константин Александрович

Самаковский Вячеслав Олегович

Алиева Наталья Геннадьевна

CatsRoboflow.ipynb - модель Roboflow

Cats_tenserflow.ipynb - модель tenserflow

Presentation_MIPT_cats_v1.pdf - Презентация

1. Описание программы

2. Условия задачи

3. Способ решения

4. Выводы

По полученной фотографии определяет погоду (туман, мороз, молния, дождь, радуга, песчанная буря, снег, солнечно)

⬆️к оглавлению

1. Сделать датасет для классификации погоды по выбранным классам.
2. Обучение модели
3. Проверка модели на тестовых данных
4. Сравнение обученной модели с уже существующей

⬆️к оглавлению

Для выполнения данной задачи был выбран датасет - https://drive.google.com/drive/folders/1s06Vvw0NVJLWO23LKrYqbDtIVFaEsHDq, на его основе была обучена нейросеть в облаке с помощью roboflow и tensorflow.

⬆️к оглавлению

Были обучены две модели, одна на Roboflow вторая на tenserflow. Модель Roboflow была сравнена с существующей моделью Roboflow на трех тестовых изображениях. Точность модели tenserflow была сравнена с нашей моделью на Roboflow

1. Первое изображение, признак, который принадлежит к обеим моделям. Было выбрано изображение с дождем, наша модель ('rain': {'confidence': 0.9434818029403687}) справилась хуже чем, существующая модель('Rain', 'confidence': 0.9999). Связанно это с тем, что наша модель поддерживает болшее количество признаков, и с размером дата_сетов для обучения.

2. Второе изображение, содержало в себе 2 признака. Изображение содержало в себе дождь с радугой. Наша модель ('rain': {'confidence': 0.42170989513397217}, 'rainbow': {'confidence': 0.47663456201553345}) отлично справилась с поставленной задачей, существующая модель ('class': 'Rain', 'confidence': 0.9995) определила только дождь без радуги. Это связано с тем что модель которою мы сделали обучалась на большем количестве признаков.

3. Третье изображение содержало в себе признак, которого нет в существующей модели. Изображение содержало в себе молнию. Так как был выбран признак, которого нет в другой модели({'class': 'Shine', 'confidence': 0.9841}), ожидаемо наша модель ('lightning': {'confidence': 0.9249942898750305}) ее превзошла.

Большее количество признаков требует больше данных для анализа, что повышает качество обученной модели.

Validation Accuracy tensorflow = 0.97 roboflow = 0.98

Обученная модель tensorflow весила больше 100 Мб https://disk.yandex.ru/d/a3n_0C3_H5QJhA

⬆️к оглавлению