luận án
3.2. Huấn luyện nhận diện quả dứa cho máy tính
Google Colab. Đây là một dịch vụ đám mây miễn phí của Google nhằm hỗ trợ cộng đồng nghiên cứu AI phát triển các ứng dụng deep learning bằng việc cung cấp GPU và TPU miễn phí).
- Cầu hình máy tính cần sử dụng: GPU Tesla K80, 12 GB RAM - Môi trường: Python 3, Keras 2.1.5, Tensorflow 1.6.0
- Code huấn luyện được tham khảo tại đường link: https://github.com/qqwweee/keras-yolo3
- Luận án sử dụng 3 lần huấn luyện gồm:
3.2.1. Huấn luyện nhận diện quả dứa (lần 1)
Lần huấn luyện này để nhận diện quả dứa tổng quát, không phân biệt trái non, trái xanh và trái chín. Do vậy, nhóm 3 nhãn full ripe pineapple (nhãn tồn bộ quả dứa chín, nhãn bao cả thân và vương miện dứa), full green pineapple (nhãn toàn bộ quả dứa xanh), full baby pineapple (nhãn toàn bộ quả dứa non) thành 1 nhãn full pineapple (nhãn toàn bộ quả dứa chung, gồm cả thân và vương miện dứa). Mục đích của việc huấn luyện này để máy tính có khả năng nhận diện được đặc điểm chung của một quả dứa, nhằm phân biệt quả dứa với các loại hoa quả khác (cam, bưởi, ổi…vv).
- Bộ trọng số cơ sở: Sử dụng bộ trọng số pre-trained của mạng darknet53 (https://pjreddie.com/media/files/darknet53.conv.74).
- Bước 1: Đóng băng các lớp đầu và huấn luyện 2 lớp cuối qua 120 epochs với learning rate là 1e-3 để đạt được trạng thái ổn định của loss.
- Bước 2: Huấn luyện toàn mạng qua 60 epoch với learning rate ban đầu là 1e-4 (sử dụng thuật toán ReduceLROnPlateau để thay đổi learning rate trong quá trình huấn luyện).