Intel Image Classification Project [EN]

Jump to Turkish version

This repo contains a project prepared within the scope of Akbank "Introduction to Deep Learning" Bootcamp.
The purpose of the project is to classify images using the Intel Image Classification dataset.

---

Introduction

The dataset used in this project contains images belonging to six categories:
mountain, street, buildings, sea, forest, and glacier.

A simple CNN model has been implemented using TensorFlow and Keras.
The notebook includes steps for data preprocessing, data augmentation, model creation, training, and evaluation.

---

Technical Details

• Data Preprocessing:

  • Images resized to 150x150 pixels
  • Normalization (pixel values scaled to 0–1)
  • Data augmentation for training data (rotation, shifting, shear, zoom, horizontal flip)

• Model Architecture:

  • 3 Convolution layers (ReLU activation)
  • MaxPooling layers to reduce spatial dimensions
  • Fully Connected layer with 128 neurons
  • Dropout (0.3) to prevent overfitting
  • Output layer with softmax activation for 6 classes

• Training:

  • Optimizer: Adam
  • Loss function: Categorical Crossentropy
  • EarlyStopping callback: stop training if validation loss does not improve
  • Training/Validation split: 80%/20%

• Evaluation:

  • Test accuracy: 85.73%
  • Confusion matrix and classification report for class-wise performance

---

Metrics

Class	Precision	Recall	F1-Score
Mountain	0.78	0.90	0.83
Street	0.94	0.98	0.96
Buildings	0.86	0.77	0.81
Sea	0.80	0.82	0.81
Forest	0.89	0.85	0.87
Glacier	0.89	0.84	0.86

Macro Average: 0.86
Weighted Average: 0.86

Along with training and validation accuracy/loss plots, the confusion matrix is also included in the notebook.

---

Future Work

• Experiment with deeper CNN architectures (ResNet, EfficientNet)
• Real-time data augmentation and dynamic data loading
• Improve model generalization using images from different datasets

---

Links

• Kaggle Notebook (Project Implementation):
  https://www.kaggle.com/code/msamedcagli/intel-image-classification-cnn

• Kaggle Dataset:
  https://www.kaggle.com/datasets/puneet6060/intel-image-classification

---

Intel Görüntü Sınıflandırma Projesi [TR]

İngilizce versiyona git

Bu repo, Akbank "Derin Öğrenmeye Giriş" Bootcamp kapsamında hazırlanmış bir projeyi içermektedir.
Projenin amacı, Intel Image Classification veri setini kullanarak görselleri sınıflandırmaktır.

---

Giriş

Bu projede kullanılan veri seti, altı kategoriye sahip görseller içermektedir:
mountain, street, buildings, sea, forest ve glacier.

TensorFlow ve Keras kullanılarak basit bir CNN modeli uygulanmıştır.
Notebook içerisinde veri ön işleme, veri artırma (augmentation), model oluşturma, eğitim ve değerlendirme adımları yer almaktadır.

---

Teknik Detaylar

• Veri Ön İşleme:

  • Görseller 150x150 piksel boyutuna getirildi
  • Normalizasyon (0–1 aralığına pixel değerleri)
  • Eğitim verisi için veri artırma (döndürme, kaydırma, shear, zoom, yatay çevirme)

• Model Mimarisi:

  • 3 Convolution katmanı (ReLU aktivasyonu)
  • MaxPooling katmanları ile boyut küçültme
  • 128 nöronlu Fully Connected katman
  • Overfitting’i önlemek için Dropout (0.3)
  • 6 sınıf için çıkış katmanı (softmax aktivasyonu)

• Eğitim:

  • Optimizasyon: Adam
  • Kayıp fonksiyonu: Categorical Crossentropy
  • EarlyStopping callback: validation loss iyileşmezse eğitimi durdur
  • Eğitim/Validation: %80/%20

• Değerlendirme:

  • Test doğruluk (accuracy): %85.73
  • Sınıf bazlı performans için confusion matrix ve classification report

---

Metrikler

Sınıf	Precision	Recall	F1-Score
Mountain	0.78	0.90	0.83
Street	0.94	0.98	0.96
Buildings	0.86	0.77	0.81
Sea	0.80	0.82	0.81
Forest	0.89	0.85	0.87
Glacier	0.89	0.84	0.86

Macro Ortalama: 0.86
Weighted Ortalama: 0.86

Eğitim ve validation doğruluk/kayıp grafiklerinin yanı sıra, confusion matrix de notebook içinde yer almaktadır.

---

Gelecek Çalışmalar

• Daha derin CNN mimarilerini denemek (ResNet, EfficientNet)
• Gerçek zamanlı veri artırma ve dinamik veri yükleme
• Farklı veri seti görğntüleri ile modelin genelleme yeteneğini artırmak

---

Linkler

• Kaggle Notebook (Proje Uygulaması):
  https://www.kaggle.com/code/msamedcagli/intel-image-classification-cnn

• Kaggle Veri Seti:
  https://www.kaggle.com/datasets/puneet6060/intel-image-classification