Классификатор изображений с Transfer Learning
Описание
Учебный Computer Vision проект: классификация изображений цветов (Flowers Recognition, Kaggle) с помощью transfer learning на базе EfficientNet-B0 (PyTorch + timm). Покрывает полный ML-цикл: загрузка и аугментация данных torchvision transforms, обучение с заморозкой слоёв, fine-tuning, экспорт в ONNX. Streamlit-приложение для загрузки фото и получения предсказания. GitHub Actions: flake8, pytest, docker build. Отличный старт в CV для тех, кто раньше работал только с табличными данными.
Роли (4)
Computer Vision-инженер
открытаОбязанности: fine-tuning EfficientNet-B0 (timm) на датасете Flowers Recognition, настройка аугментаций (albumentations), анализ confusion matrix, экспорт модели в ONNX, базовая Grad-CAM визуализация. Навыки: Python, PyTorch, timm, albumentations, ONNX.
Frontend-разработчик (Streamlit)
открытаОбязанности: Streamlit-приложение с drag&drop загрузкой изображения, отображение топ-5 предсказаний с вероятностями и Grad-CAM тепловой картой. Навыки: Python, Streamlit, PIL/OpenCV.
MLOps-инженер
открытаОбязанности: мульти-стадийный Dockerfile для оптимизации размера образа, GitHub Actions (flake8, pytest, docker build), версионирование модели через DVC или HuggingFace Hub. Навыки: Docker, GitHub Actions, DVC, bash.
Data Engineer
открытаОбязанности: скачивание и структурирование датасета, написание Dataset-класса PyTorch, реализация train/val/test split со стратификацией, data augmentation пайплайн. Навыки: Python, PyTorch Dataset, torchvision, pandas.
Участники (0)
Пока только создатель.
Апдейты (0)
Апдейтов ещё нет.
Комментарии (0)
Войдите, чтобы оставить комментарий