Bonjour à tous,
Je suis débutant dans le domaine de l’intelligence artificielle. Je travaille actuellement sur un projet et j’aurais besoin de conseils. Mon objectif est de créer un dataset contenant des Pokémon et leurs types à des fins de classification.
Pour représenter chaque Pokémon dans le dataset, je prévois d’utiliser des images provenant du site suivant, qui a des images de taille uniforme de 42x56 pixels : Pokémon Pokédex: list of Pokémon with stats | Pokémon Database. J’ai l’intention d’utiliser une bibliothèque Python pour extraire les données de ces images, chaque image étant représentée par 2352 valeurs (42x56) allant de 0 à 256, où chaque valeur représente la couleur d’un pixel.
Dans le dataset, chaque Pokémon sera représenté par les valeurs de ses 2352 pixels et son type. Idéalement, le dataset devrait être un fichier .csv. Au début, pour les Pokémon ayant plusieurs types, seul le type principal (celui qui apparaît en premier) sera pris en compte. J’ai essayé plusieurs architectures de réseaux de neurones, mais je n’ai pas réussi à classifier les types. Pour chaque type, j’ai choisi 2500 images, placées dans le répertoire, et je souhaite réaliser une classification multi-classes.
Le problème principal que je rencontre est que les images des Pokémon de même type présentent des caractéristiques différentes, rendant la classification plus difficile. Je sollicite donc vos conseils et recommandations pour aborder ce problème et réussir à classifier les Pokémon en fonction de leurs types malgré les différences entre les images. Merci d’avance pour votre aide.
Bonjour @Fafi_Ali,
Cette vidéo devrait pourvoir t’aider:
Sinon pour améliorer la classification des Pokémon en fonction de leurs types, voici quelques recommandations :
- Augmentation des données : Il est possible d’augmenter la quantité de données en ajoutant des transformations simples sur les images existantes, telles que la rotation, le zoom, le changement d’échelle, etc. Cela permettra d’augmenter la variabilité dans le dataset, ce qui aidera le modèle à généraliser mieux.
- Utiliser un modèle pré-entrainé : Plutôt que de construire un modèle de zéro, tu peux utiliser des modèles pré-entraînés tels que VGG, ResNet ou Inception, qui ont été entraînés sur des données massives telles que ImageNet. Tu peux les utiliser pour extraire des fonctionnalités à partir de tes images et ensuite entraîner un modèle plus petit pour classifier les types.
- Utiliser une approche multi-étape : Dans cette approche, tu peux entraîner un modèle pour classifier les caractéristiques des Pokémon telles que la couleur, la forme, la texture, etc. Ensuite, utilisez ces caractéristiques pour entraîner un second modèle qui classifie les Pokémon en fonction de leurs types.
- Ajouter des informations supplémentaires : Tu peux inclure des informations supplémentaires sur chaque Pokémon, telles que le nombre de points de vie, le niveau de l’évolution, le nombre de compétences, etc. Cela peut aider le modèle à mieux comprendre les caractéristiques communes de chaque type de Pokémon.
- Utiliser des méthodes de régularisation : Les méthodes de régularisation telles que l’augmentation de données, la normalisation, la réduction de dimensionnalité, la suppression de fonctionnalités redondantes, etc. peuvent aider à réduire le surapprentissage et à améliorer la capacité du modèle à généraliser sur de nouvelles données.
- Trouver un équilibre entre le biais et la variance : En fonction de la complexité du modèle et de la taille du dataset, tu peux rencontrer des problèmes de surapprentissage ou de sous-apprentissage. Il est important de trouver le bon équilibre entre le biais et la variance pour obtenir les meilleures performances de votre modèle.
En suivant ces recommandations, tu devrais être en mesure de construire un modèle capable de classifier les Pokémon en fonction de leurs types. Bonne chance pour ton joli projet !
N’oublie pas de partager ta progression avec la communauté afin qu’elle puisse t’aider et que ton cas puisse aider d’autre personnes à l’avenir.
@Fafi_Ali le post ci dessus a t il apporté une solution à votre problème ? Si vous avez trouvé une meilleur solution pouvez vous la partager ici svp afin qu’elle puisse aider les membres de la communauté de ForumIA ?
Merci d’avance.