| 👟 Sneakers_Classification | |
| Модель для классификации кроссовок с использованием сверточной нейронной сети на основе предобученного ResNet50. Проект реализован на PyTorch и обучается на кастомном датасете изображений различных моделей кроссовок. | |
| 📂 Описание проекта | |
| Цель — определить тип/модель кроссовок на изображении. Модель использует предобученную архитектуру ResNet50, дообученную на вашем собственном датасете, содержащем изображения кроссовок, отсортированные по папкам (одна папка = один класс). | |
| 🧠 Используемые технологии | |
| Python | |
| PyTorch | |
| torchvision | |
| scikit-learn | |
| PIL | |
| matplotlib / seaborn | |
| 🗂️ Структура данных | |
| Путь к данным: | |
| /kaggle/input/sneakers-classification/sneakers-dataset/sneakers-dataset/ | |
| python-repl | |
| Copy | |
| Edit | |
| sneakers-dataset/ | |
| ├── Adidas/ | |
| │ ├── img1.jpg | |
| │ ├── img2.jpg | |
| │ └── ... | |
| ├── Nike/ | |
| │ ├── img1.jpg | |
| │ ├── img2.jpg | |
| │ └── ... | |
| ├── Puma/ | |
| │ └── ... | |
| ... | |
| ⚙️ Запуск обучения | |
| 📌 Подготовка | |
| bash | |
| Copy | |
| Edit | |
| pip install torch torchvision scikit-learn matplotlib seaborn | |
| 🚀 Запуск скрипта | |
| python | |
| Copy | |
| Edit | |
| python sneakers_train.py | |
| В скрипте используется автоматическое определение устройства (GPU, если доступен) и происходит обучение в течение 50 эпох с использованием Adam и CrossEntropyLoss. | |
| 🏗️ Архитектура модели | |
| В качестве основы используется ResNet50, где последний fully connected слой заменяется на: | |
| python | |
| Copy | |
| Edit | |
| model.fc = nn.Linear(model.fc.in_features, NUM_CLASSES) | |
| Модель сохраняется в файл best_model.pth после каждой эпохи с улучшением метрики точности на валидации. | |
| 📊 Оценка модели | |
| Во время обучения выводятся: | |
| Loss (потери) | |
| Accuracy (точность) | |
| Также вы можете дополнительно использовать confusion_matrix и classification_report из sklearn на тестовой выборке после обучения. | |
| 💾 Файлы | |
| sneakers_train.py — основной скрипт обучения | |
| best_model.pth — веса лучшей модели после обучения | |
| 📈 Результаты | |
| Использовано классов: NUM_CLASSES | |
| Лучшая точность валидации: X.XXX (выводится в конце обучения) | |
| 📬 Обратная связь | |
| Если у вас есть предложения или улучшения, открывайте Issue или Pull Request! |