Teixits del Primark

Teixits del Primark al complet ❤️

Inspiration

El nostre grup estava format per 3 estudiants que mai s'havien enfrentat a problemes de Machine Learning, pel que vam creure que seria una bona oportunitat per introduir-nos en aquest tema.

What it does

Hem entrenat varies xarxes convolucionals que distingeixen entre varios tipus de teixits i entre varis defectes.

How we built it

Hem començat familiaritzant-nos amb el dataset i tractant-lo per tal de preparar-lo per als seguents reptes. El fet d'atendre a la xarrada de Introducció a Python i Pandas ens ha ajudat a orientar-nos i entendre millor el repte.

Després hem implementat varios models de complexitat creixent amb tensorflow. Per entendre-ho millor, vam decidir anar a la xarrada de Machine Learning.

Per últim hem intentat coneixer més els models generatius.

Challenges we ran into

Va ser molt complicat el fet de saber com començar i afrontar el repte, ja que no teniem les bases necessàries ni teòriques ni pràctiques. El procés de data augmentation ha set complicat, ja que ens ha costat entendre els errors de tensorflow i aclarar-nos amb les dimensions del tensor. Tensorflow ens ha donat molts mals de cap.

Accomplishments that we're proud of

Estem molt orgullosos d'haver pogut trobar i entendre una solució per a quasi tots els reptes tenint en compte la situació de la que partiem. Concretament, estem molt contents d'haver pogut entendre per què el nostre model "desaprenia", tenint en compte que la nostra primera pregunta de la hackathon ha set "Què és un model?". Ademés, com a equip era el primer cop que treballàvem junts i ens hem donat suport mutuament durant la hackathon per continuar i acabar.

What we learned

Hem après les bases de les xarxes neuronals, tant teòricament com pràcticament. Treballant en tensorflow, una eina nova per a nosaltres, hem après a crear models amb diferents arquitectures (single input, multiple input,...) i a tractar amb datasets grans (dataset augmentation).

Hem descobert la Explainability dels models i juntament amb SHAP, ens ha set útil per entendre millor què fan les xarxes neuronals.

Hem après a fer funcionar la llibreria de Pandas, útil per gestionar bases de dades i la eina regex, usada per agrupar informació de diferents maneres.

A més, alguns de nosaltres hem utilitzat per primer cop Google Colab, imprescindible per dur a terme els reptes de manera conjunta, i Devpost, essencial en totes les hackathons.