Update README.md

README.md

@@ -1,3 +1,81 @@
----
-license: mit
----
+👟 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!