IV. Mã lệnh chương trình
4.5. Tìm mô hình tối ưu
- Kích thước ảnh 50,50 - Hai lớp CNN:
Lớp CNN thứ nhất có 32 bộ lọc, mỗi bộ lọc có kích thước 3x3 Lớp CNN thứ hai có 64 bộ lọc, mỗi bộ lọc có kích thước 3x3 - Một lớp ẩn với bộ lọc là 512
- Epochs = 30 - Step_per_epouch = 2 - Verbose = 1 - Validation_steps = 1
Độ chính xác của mô hình ban đầu là 84% có 8 ảnh sai trên 50 ảnh được thử Thay đổi kích thước ảnh
-Với kích thước 100x100 mô hình đạt được với độ chính xác là 82%, dự đoán sai 9 ảnh trên 50 ảnh. Hiệu suất mô hình bị giảm
-Với kích thước ảnh 150x150 mô hình đạt được độ chính xác là 76%, dự đoán sai 12 ảnh trên 50 ảnh. Hiệu suất mô hình bị giảm
-Với kích thước ảnh 200x200 mô hình đạt được độ chính xác là 82%, dự đoán sai 9 ảnh trên 50 ảnh. Hiệu suất mô hình bị giảm
Chốt lại, khi tăng kích thước ảnh lên thì mô hình chạy vẫn khá ổn so với mô hình gốc ban đầu. Lượng ảnh dự đoán đúng trên 50 ảnh được kiểm tra khá ổn định, tuy nhiên không thấy tăng khả năng chính xác của mô hình. Nên vẫn giữ kích thước ảnh ban đầu như mô hình gốc (50,50)
Tăng lớp CNN của mô hình Lớp CNN 1 với 32 bộ lọc Lớp CNN 2 với 64 bộ lọc Lớp CNN 3 với 128 bộ lọc
Độ chính xác của mô hình mô hình một là 76%, có 12 ảnh nhận dạng giới tính
Độ chính xác mô hình là 80%, có 10 ảnh nhận dạng giới tính sai trên 50 ảnh được thử. Giảm so với mô hình ban đầu
Mô hình ba có:
Lớp CNN 1 với 32 bộ lọc Lớp CNN 2 với 64 bộ lọc Lớp CNN 3 với 128 bộ lọc Lớp CNN 4 với 256 bộ lọc
Độ chính xác mô hình là 58%, có 21 ảnh sai trên 50 ảnh được đưa vào kiểm tra.
Giảm mạnh so với mô hình gốc
Như vậy việc tăng lớp CNN không làm cho mô hình chạy hiệu quả hơn. Nếu tăng thêm lớp CNN chỉ làm cho mô hình trở nên cồng kềnh, khó đưa ra kết quả nhanh chóng và chính xác.
Thay đổi bộ lọc của các lớp CNN Lớp CNN 1 với 32 bộ lọc Lớp CNN 2 với 32 bộ lọc
Độ chính xác của mô hình là 78%, 11 ảnh saitrong 50 ảnh đưa vào để kiểm tra thì mô hình nhận dạng sai 11 ảnh. Hiệu suất bị giảm so với mô hình gốc ban đầu.
Mô hình năm có:
Lớp CNN 1 với 64 bộ lọc Lớp CNN 2 với 64 bộ lọc
Độ chính xác của mô hình là 78%, có 11 ảnh sai trên 50 ảnh được thử. Hiệu suất bị giảm so với mô hình gốc ban đầu
Lớp CNN 1 với 64 bộ lọc Lớp CNN 2 với 128 bộ lọc
Độ chính xác của mô hình là 83%, có 8 ảnh sai trong tổng số 50 ảnh được đưa vào mô hình để kiểm tra. Hiệu suất của mô hình tăng
Lớp CNN 1 với 128 bộ lọc Lớp CNN 2 với 128 bộ lọc
Độ chính xác của mô hình đạt 82%, dự đoán sai 9 ảnh trên tổng số 50 ảnh được đưa vào mô hình để kiểm tra. Hiệu suất giảm nhẹ so với mô hình gốc ban đầu.
Như vậy việc thay đổi bộ lọc, cụ thể là tăng bộ lọc các lớp CNN lên sẽ giúp cho mô hình không quá cồng kềnh mà chạy với hiệu suất ổn định hơn.
Thay đổi kích thước bộ lọc convolutional của các lớp CNN
Lớp CNN 1 có 32 bộ lọc, mỗi bộ lọc có kích thước 5x5 Lớp CNN 2 có 64 bộ lọc, mỗi bộ lọc có kích thước 5x5
Độ chính xác mô hình đạt được là 74%, dự đoán sai 13 ảnh trên 50 ảnh được đưa vào mô hình để kiểm tra. Tuy nhiên hiệu suất mô hình đạt được lại bị giảm so với mô hình ban đầu.
Lớp CNN 1 có 32 bộ lọc, mỗi bộ lọc có kích thước 7x7 Lớp CNN 2 có 64 bộ lọc, mội bộ lọc có kích thước 7x7
Độ chính xác của mô hình đạt 80%, dự đoán sai 10 ảnh trên 50 được đưa vào mô hình. Hiệu suất mô hình giảm
Như vậy việc thay đổi kích thước bộ lọc không làm cho mô hình hoạt động hiệu quả hơn. Nên vẫn giữ nguyên kích thước bộ lọc ban đầu 3x3
Tăng thêm lớp ẩn Lớp ẩn 1 có 256 bộ lọc Lớp ẩn 2 có 512 bộ lọc
Độ chính xác của mô hình đạt được là 86%, dự đoán sai 7 trên 50 ảnh đưa vào kiểm tra. Hiệu suất mô hình tăng
Lớp ẩn 1 có 512 bộ lọc Lớp ẩn 2 có 512 bộ lọc
Độ chính xác là 70%, dự đoán sai 15 ảnh trong tổng số 50 ảnh được kiểm tra.
Hiệu suất mô hình giảm Lớp ẩn 1 có 512 bộ lọc Lớp ẩn 2 có 1024 bộ lọc
Độ chính xác 66%, dự đoán sai 17 trong tổng 50 ảnh được kiểm tra. Hiệu suất mô hình giảm mạnh.
lớp ẩn 1 có 512 bộ lọc Lớp ẩn 2 có 512 bộ lọc Lớp ẩn 3 có 512 bộ lọc
Độ chính xác 64%, dự đoán sai 18 trên tổng số 50 ảnh được kiểm tra. Hiệu suất của mô hình bị giảm
- Lớp ẩn có 256 bộ lọc. Độ chính xác của mô hình là 72%, dự đoán sai 14 ảnh trên 50 ảnh. Hiệu suất mô hình giảm
- Lớp ẩn có 1024 bộ lọc. Độ chính xác của mô hình là 82%, dự đoán sai 9 trên 50 ảnh. Hiệu suất mô hình giảm
- Lớp ẩn có 128 bộ lọc. Độ chính xác là 64%, dự đoán sai 18 trên 50 ảnh. Hiệu suất mô hình giảm
Như vậy nếu bộ lọc lớp ẩn 1024 thì mô hình sẽ chạy ổn định với hiệu suất giống như mô hình gốc ban đầu, có giảm nhưng không đáng kể. Nếu giảm bộ lọc của lớp ẩn thì hiệu suất mô hình bắt đầu giảm mạnh. Vì vậy bộ lọc lớp ẩn sẽ giữ nguyên như mô hình gốc không thay đổi.
Mô hình tối ưu cuối cùng -Kích thước ảnh đầu vào 50x50 -Hai lớp CNN:
Lớp CNN thứ nhất có 32 bộ lọc, mỗi bộ lọc có kích thước 3x3 Lớp CNN thứ hai có 64 bộ lọc, mỗi bộ lọc có kích thước 3x3 -Hai lớp ẩn
Lớp ẩn thứ nhất 256 bộ lọc Lớp ẩn thứ hai 512 bộ lọc -Epochs = 30