Model yang mampu melakukan image classfication dengan tingkat akurasi yang tinggi cukup membutuhkan data training dan testing yang banyak. Selain itu computing power yang tinggi dan waktu yang tidak sebentar. Sering kali hal ini menjadi kendala dalam proses pembelajaran.
Dengan menggunakan model pretrained yang disediakan secara gratis, tentu sangat membantu.
Pada Tips kali ini, kita akan gunakan pretrained model dari Imagenet dengan menggunakan Keras dengan menggunakan Google Colaboratory.
Buka https://colab.research.google.com/notebooks/intro.ipynb menggunakan browser (disarankan menggunakan Chrome). Lalu ke menu File – New notebook.

Berikutnya upload file image yang akan digunakan untuk image classification. Perlu diperhatikan image yang diupload akan dihapus secara otomatis bila kita keluar dari colab.
Pada contoh program, yang diupload adalah image dengan gambar umbrella (payung).

Code
import numpy as np import tensorflow as tf import keras from keras.preprocessing.image import img_to_array, load_img from keras.applications.inception_resnet_v2 import InceptionResNetV2, decode_predictions, preprocess_input from IPython.core.display import display img01 = '01 Umbrella.jpg' pic = load_img(img01, target_size=(299, 299)) display(pic) pic_arr = img_to_array(pic) pic_arr_exp = np.expand_dims(pic_arr, axis=0) preproces_pic = preprocess_input(pic_arr_exp) inception_model = InceptionResNetV2(weights='imagenet') inception_model.graph = tf.compat.v1.get_default_graph() prediction = inception_model.predict(preproces_pic) decode_predictions(prediction)
[[('n04507155', 'umbrella', 0.82924354),
('n03792972', 'mountain_tent', 0.001226827),
('n04479046', 'trench_coat', 0.0011062956),
('n03788195', 'mosque', 0.0010572375),
('n03220513', 'dome', 0.0010311006)]]
Model akan mengembalikan probabilitas predeksi. Dari return diatas dapat dilihat model mampu memprediksi gambar payung (umbrella) sebesera 0.82 persen.
Untuk code lengkap silakan kunjungi https://colab.research.google.com/drive/1Ld9RTdE9mN2Rvb7ZLh7FkS_7vh3obZjj?usp=sharing
Untuk dokumentasi model lengkap silakan kunjungi https://keras.io/api/applications/inceptionresnetv2/