Classification of k-fashion images

(2022.05.02~2022.06.10)

22-1학기 "패턴인식과머신러닝" 과목의 팀프로젝트입니다.

Purpose

본 프로젝트의 목적은 fashion image를 입력받아 자동으로 Resort / Retro / Sporty 로 분류하는 Convolutional Neural Network (CNN)을 개발하는 것으로 해당 프로젝트에서는 AlexNet, VGGNet, GoogleNet, ResNet, Densenet의 모델 구조를 참고하여 학습을 진행하였다.

Train Data

Train data 7200장 Validation data 1800으로 training을 진행했고 Data augmentation을 이용해 각 Train data를 rotate과 horizontal flip의 방법을 랜덤하게 적용해 14400장으로 늘려주었다.

├── Train
│ ├── Resort
│ ├── Retro
│ └── Sporty
└── Validation
├── Resort
├── Retro
└── Sporty

Result

최종모델은 Googlenet에서 batch size를 64로 설정한 모델로 선정하였다. 따라서 구글넷에서 필요한 224x224의 fashion image를 입력으로 받고 class를 예측할 수 있도록 코드를 작성하였다. 이때의 block diagram과 accurary 및 loss plot은 아래와 같다.

Accuracy	Loss

아래 표는 각 모델에 대한 세부적인 hyper parameter와 train accuracy로 자세한 결과는 보고서를 통해 확인할 수 있다. [link]

Test Score

1200개 test 파일에 대한 classification 결과는 76.08%의 accuracy로 13개 팀 중 2위

Structure

FashionClassification
├── README.md
├── codes
│   ├───Alexnet_batch128.ipynb
│   ├───Densenet_batch64.ipynb
│   ├───Resnet34_batch128.ipynb
│   └───VGGNet_layer10.ipynb
├── Train_FashionClassification_TeamB.ipynb
├── Test_FashionClassification_TeamB.ipynb
├── TeamB_report.pdf
└── Model_TeamB
 

Cotributors

Team B : 김나윤,박근아,이하은,정민주

Code Reference

• Data Augmentation

• Classification report

• Model

  • Vggnet
  • Densenet
  • Resnet
  • Alexnet
  • Googlenet