ChainerCV হলো Chainer ফ্রেমওয়ার্কের একটি extension যা বিশেষ করে computer vision টাস্কগুলোর জন্য pre-trained মডেল এবং বিভিন্ন টুল সরবরাহ করে। ChainerCV এর সাহায্যে object detection, image classification, এবং semantic segmentation এর মতো কাজগুলো সহজে করা যায়।
ChainerCV এর pre-trained মডেলগুলো ব্যবহার করে আপনি transfer learning বা object detection এবং classification এর মত বিভিন্ন কাজ দ্রুত সম্পাদন করতে পারেন।
ChainerCV ইনস্টল করা
ChainerCV ব্যবহার করার আগে এটি ইনস্টল করতে হবে। আপনি নিচের কমান্ডটি ব্যবহার করে এটি ইনস্টল করতে পারেন:
pip install chainercv
ChainerCV এর মাধ্যমে Pre-trained মডেল ব্যবহার করে Image Classification
ChainerCV এর pre-trained মডেল দিয়ে image classification করার উদাহরণ এখানে দেওয়া হলো।
import chainer
from chainercv.links import VGG16
from chainercv.transforms import resize
import numpy as np
from PIL import Image
# Pre-trained VGG16 মডেল লোড করা
model = VGG16(pretrained_model='imagenet')
# Image লোড এবং প্রি-প্রসেসিং
image_path = 'sample_image.jpg' # আপনার ইমেজের পাথ দিন
image = Image.open(image_path).convert('RGB')
image = np.asarray(image, dtype=np.float32)
# ইমেজ রিসাইজ করা মডেল ইনপুটের জন্য
image = resize(image, (224, 224))
image = image.transpose(2, 0, 1) # চ্যানেল, উচ্চতা, প্রস্থে কনভার্ট করা (Chainer format)
# মডেল ইনপুটের জন্য নরমালাইজেশন
image -= np.array([103.939, 116.779, 123.68]) # ImageNet ডেটাসেট অনুযায়ী normalization
# Model Prediction
with chainer.using_config('train', False), chainer.using_config('enable_backprop', False):
prediction = model.predict([image])
# প্রেডিকশন রেজাল্ট
predicted_label = np.argmax(prediction[0])
print(f"Predicted label: {predicted_label}")
Object Detection এর জন্য ChainerCV এর মাধ্যমে Pre-trained Model ব্যবহার
ChainerCV এর Faster R-CNN মডেল ব্যবহার করে object detection এর কাজ করা যায়। উদাহরণস্বরূপ, নিচে Faster R-CNN মডেল ব্যবহার করে একটি ইমেজের object detection দেখানো হলো।
from chainercv.links import FasterRCNNVGG16
from chainercv.visualizations import vis_bbox
# Pre-trained Faster R-CNN মডেল লোড করা
model = FasterRCNNVGG16(pretrained_model='voc07')
# Object Detection এর জন্য ইমেজ লোড করা
image_path = 'sample_image.jpg'
image = Image.open(image_path).convert('RGB')
image = np.asarray(image, dtype=np.float32)
# মডেল prediction করা
with chainer.using_config('train', False), chainer.using_config('enable_backprop', False):
bbox, label, score = model.predict([image])
# Visualization
vis_bbox(image, bbox[0], label[0], score[0])
Semantic Segmentation এর জন্য Pre-trained Model ব্যবহার
ChainerCV এর FCN মডেল semantic segmentation টাস্কের জন্য ব্যবহৃত হয়। নিচে FCN মডেল ব্যবহার করে semantic segmentation করার উদাহরণ দেয়া হলো:
from chainercv.links import FCN8s
# Pre-trained FCN মডেল লোড করা
model = FCN8s(n_class=21, pretrained_model='voc')
# ইমেজ লোড করা
image_path = 'sample_image.jpg'
image = Image.open(image_path).convert('RGB')
image = np.asarray(image, dtype=np.float32)
# মডেল prediction করা
with chainer.using_config('train', False), chainer.using_config('enable_backprop', False):
prediction = model.predict([image])
# প্রেডিকশন ম্যাপ visualization (উদাহরণ)
import matplotlib.pyplot as plt
plt.imshow(prediction[0].argmax(axis=0))
plt.show()
ChainerCV এর প্রধান ব্যবহার ক্ষেত্রসমূহ
- Image Classification: ChainerCV এর pre-trained মডেলগুলো সহজে বিভিন্ন ইমেজ শ্রেণীবিভাগে ব্যবহার করা যায়।
- Object Detection: Faster R-CNN এবং SSD (Single Shot MultiBox Detector) এর মত pre-trained মডেলগুলো object detection এর কাজে কার্যকর।
- Semantic Segmentation: FCN, PSPNet এর মত মডেলগুলো semantic segmentation এর জন্য উপযোগী।
উপসংহার
ChainerCV এর pre-trained মডেল ব্যবহার করে image classification, object detection এবং segmentation কাজগুলো সহজে এবং দ্রুত করা যায়। Transfer learning এর সুবিধা নিয়ে বিভিন্ন নতুন টাস্কের জন্য দ্রুত মডেল তৈরি করা যায় এবং ছোট ডেটাসেটে ভালো ফলাফল পাওয়া সম্ভব।
Read more
