Projecte final de classificació d'Imatges amb Pytorch+fastai

Repositori per la pràctica final de classificació d'imatges de l'assignatura de Adv. Machine Learning del MCD de la UdG, implementada per:

• Isaac de Palau (u1928988)
• Joan Saló (u1953621)

Tot seguit s'especifiquen els apartats que apareixen en aquest repositori, juntament amb alguns detalls adicionals:

1. Baseline

Proves elementals. Fer les proves sense transformacions a les imatges, "tal qual" venen al dataset. Provar amb resnets 18->152, donat que són les xarxes de transfer learning més modernes.

2. Aplicar transformacions

Exactament el mateix que l'apartat anterior, però aplicant transformacions sobre les imatges.

3. LR manual

Fer servir la funció fit_one_cycle, explicar-la i comentar els resultats.

4. Ajust d'hiperparàmetres amb GridSearchCV

Utilitzar Grid Search per ajustar al màxim els hiperparàmetres, i comentar com van variant els resultats. Com a mínim, s'hauria de provar:

• loss_function
• optimizer
• learning rate

5. Altres arquitectures

Provar altres arquitectures estranyes i/o antigues com ara una densenet o una alexnet.

6. Prediccions sobre el conjunt de test

Amb la millor xarxa obtinguda, classificar les imatges del conjunt de test i guardar .CSV

Extra 1. Entrenar "a pelo"

Crear la NN des de zero i entrenar-la. Comparar els resultats amb les xarxes preentrenades que hem estat fent servir.

Extra 2. Explicabilitat

Experimentar amb CAM i GradCAM.

Extra 3. Style transfer

Provar un exemple d'style transfer.

Extra 4. Reinforcement Learning

Crear un agent capaç de jugar al joc d'Atari Breakout. En comptes de codificar els estats com vectors, els hem intentat codificar amb captures de frames de la partida.