README.md

train1- accuracy : 75.94%

---

1. 개요

parameter	setting	ImageGenerator	setting	test	result
base_model	inceptionV3	preprocessing	inceptionV3	num_classes	121
input_size	299 * 299	rotation_range	30	train_samples	23,921
batch_size	32	width_shift_range	0.2	val_samples	4,149
epoch	15	height_shift_range	0.2	test_samples	7,106
optimizer	Adam	validation_split	0.15	proper_epoch	4-5
leraning_rate	.0001	horizontal_flip	true	min_val_loss	0.69077
		interpolation	nearest	accuracy	75.94%

2. Model

• InceptionV3 모델을 사용
• image들을 keras에서 제공하는 preprocessing기능을 사용하여 전처리함
• inceptionV3 모델 뒤에는 Flatten한 뒤 Dense(Fully Conneted Layer)를 2개 사함.
• 마지막에는 softmax를 activation 함수로 사용

base_model = InceptionV3(weights='imagenet', include_top = False, input_shape=(299, 299, 3))
out = base_model.output
out = Flatten()(out)
out = Dense(512, activation='relu')(out)
out = Dense(512, activation='relu')(out)
total_classes = train_generator.num_classes
predictions = Dense(total_classes, activation='softmax')(out)
model = Model(inputs=base_model.input, outputs=predictions)

3. History

• 중간중간 모델이 저장된 않는 것으로 보아, 이전 epoch보다 성능이 개선되지 않았음을 알 수 있음.
• epoch가 4 이후로는 overfitting이 일어나는 것을 확인할 수 있음.

4. Plan

• overfitting 문제를 해결하기 위해 dropout, Regularization, 모델의 복잡도를 줄이는 방법 등을 적용해봐야겠음.
• code에 Confusion Metric를 그리는 부분의 결과가 이상하게 나옴. 확인 요망