stanford dogs dataset github

La altura de un American Staffordshire Bull Terrier es de 43-48 cm y pesa entre 18-32 kg.[2] El American Kennel Club (AKC) describe la raza como “segura, inteligente y de buen carácter”. Los American Staffordshire Terrier son similares a los American Pit Bull Terrier, aunque el American Pit Bull Terrier no está reconocido por el American Kennel Club[6] La raza fue aceptada por el AKC en 1936. No debe confundirse con el Staffordshire Bull Terrier del Reino Unido[2].

Algunas variedades de Bull-and-terrier de las Islas Británicas comenzaron a llegar a América[2] ya en 1850. Algunos perros se hicieron muy famosos por sus habilidades en las peleas de perros. Ya desarrollados como perro americano, tales perros se convirtieron en una nueva raza, que fue reconocida por el United Kennel Club (UKC) en febrero de 1898 como el American Pit Bull Terrier. [7] [8] El 10 de junio de 1936,[2] unos 50[9] perros Pit Bull Terrier registrados por el UKC fueron aceptados para su registro en el Libro de Orígenes del American Kennel Club (AKC) con un nuevo nombre de raza y una nueva finalidad, perteneciente al grupo de terrier del AKC.[9] Se eligió el nombre de Staffordshire Terrier, con la afirmación de que los ancestros de la raza procedían originalmente de Staffordshire, Inglaterra. El nombre de la raza fue revisado el 1 de enero de 1969, a American Staffordshire Terrier para distinguirlo del British Staffordshire Bull Terrier, una raza separada del grupo de terrier tipo Bull, reconocida en Inglaterra en 1935.[10][11][8][9]

perros de imagenet

Uno de los atributos especiales de esta raza es la lealtad que profesa, esa cualidad lo hace realmente atractivo. Es un perro muy tenaz y activo, con mucho ingenio, gran fuerza y una agilidad increíble.

Tristemente corresponde a las razas que se utilizaban para luchar contra otros animales, principalmente otros perros. Hoy en día esta práctica se ha eliminado por razones éticas. Por su parte, el American Kennel Club, AKC, lo reconoce estableciendo diferencias bien marcadas con el Pitbull.

Las patas se caracterizan por ser cortas, de hecho los que tienen patas largas y delgadas no son aceptados para esta raza. Su pelaje es corto y suave y presentan una variedad de colores que incluyen el blanco y el negro, aunque también los hay atigrados.

El American Stanford Se puede decir por experiencia que es muy conformista, complaciente y le encanta estar rodeado de gente. Nunca lo separes de ti, se crean lazos tan intensos que podrían causar mucho daño a su autoestima. También es muy protector con la familia.

conjunto de datos de coches de stanford

DatosLos datos están divididos en 120 carpetas, cada una de las cuales representa una raza, que contienen varias imágenes de perros cada una. La función build_metadata construye un sencillo marco de datos que contiene una única columna de raza y la ruta de acceso a la imagen correspondiente como índice.# lectura de datos

Extracción de característicasEl primer paso consiste en extraer las características de las imágenes utilizando una red neuronal preentrenada. Elegí Xception basándome en sus buenos resultados en este Kaggle Kernel, y por ser relativamente ligero para una rápida inferencia.# usando una red preentrenada

La función extract_features obtiene una lista de rutas, un extractor (la red Xception en este caso), y devuelve un dataframe con características. Guardamos el dataframe para no tener que ejecutar el proceso todo el tiempo (tarda ~15 minutos en mi máquina).# si no hemos extraído características, hazlo

Como el pipeline de extracción no puede procesar algunas de las imágenes, necesitamos realinear nuestro índice de metadatos con el índice de extracción, para que tengan las mismas imágenes, en el mismo orden:# realinear el índice con el df principal

coches de stanford

Elegimos el problema de clasificación de razas de perros, que consistía en clasificar los perros por raza o posiblemente por superraza utilizando el conjunto de datos de Stanford Dogs. Intentamos 7 modelos de diversa complejidad: dos líneas de base, una que predice la clase que constituye una pluralidad y otra que predice una clase uniformemente aleatoria, regresión logística, una red neuronal convolucional que construimos desde cero sin aumento de datos, el mismo modelo con aumento de datos, una red neuronal convolucional construida a partir de MobileNetV2 (un modelo preentrenado proporcionado por Keras), y finalmente una construida a partir de ResNet50 (un modelo preentrenado proporcionado por Keras).

Clasificamos los perros en superrazas. Creemos que el mejor modelo fue la Red Neuronal Convolucional usando MobileNetV2 porque tuvo una precisión muy alta, 79,51% en el conjunto de pruebas, sólo un 3% peor que el modelo que obtuvo el mejor rendimiento en la precisión, y fue significativamente más rápido, tomando sólo 20 minutos en comparación con 50 minutos para el modelo que obtuvo el mejor rendimiento.

Las secciones de motivación, planteamiento del problema, resultados y conclusión + trabajo futuro se encuentran en esta página. Resumimos los resultados del EDA en esta página, pero por favor, consulta la pestaña EDA para ver el informe completo del EDA y la pestaña Modelos para ver las descripciones de los modelos.

Emilio Velazquez

Soy Emilio Velazquez webmaster y principal redactor de webinstant.es . Me encantan los perros y el café caliente por las mañanas.