reti neurali a confronto: una applicazione al deep fashion

La seguente tesi pone l'interesse sul problema di classificazione di immagini nel mondo del fashion. L'approccio utilizzato è quello del Deep Learning, in particolare sono stati implementati due modelli di reti neurali convolutive, LeNet e una più recente, ResNet. In primo luogo, sono stati approfonditi alcuni concetti teorici inerenti all'intelligenza artificiale, alle reti neurali e alla classificazione di immagini. In secondo luogo, sono state implementate due architetture di rete tramite la piattaforma di Kaggle e il dataset di immagini pubblico caricato sul sito. Sono state utilizzate le librerie TensorFlow e Keras, e il linguaggio Python. Ultimo punto che è stato affrontato è la valutazione delle prestazioni. Con i dati dell'addestramento è stato possibile realizzare un grafico che segna le curve di apprendimento del modello nel corso dell'esperienza o del tempo. Dunque, l'analisi finale valuta le prestazioni delle due differenti reti. Per questa tesi sono state scelte le reti neurali, siccome il Machine Learning fallisce nella classificazione di immagini. Inoltre, è stato scelto un dataset con immagini di risoluzione bassa per problemi di efficienza. L'obiettivo è stato quello di confrontare le due reti neurali per analizzare l’addestramento.