(Food) Image CLassification with very few data

Task: classifiare ogni immagine in una categoria

• 251 classi
• 20 immagini di addestramento per classe
• dati in the wild e rumorosi: molte immagini mostrano cibi con la confezione, alcune immagini presentano loghi/watermark
• presenza di un unlabeled set contentente dati non etichettati dal quale si può atttingere per fare Content Based Image Retrieval o altro.

Per più info guarda la presentazione con il quale abbiamo esposto il problema e il nostro approccio:

Presentazione: pdf

Cartelle della repository:

• Utils: Contiene script di python generici importati in gran parte dei notebook
• Misc: contiene notebook di python utili per varie esecuzioni
• Stratified K-fold: risultati del training tramite k fold
• BOW: prove con Bag of Words di descrittori
• Plain Augmentation: augmentation dei dati di training con Albumentation
• Semi supervised: prove di Semi Supervised Learning
• SSL-self supervised: prove di Self Supervised Learning

Altre prove (come quelle di Content Based Image Retrieval) sono sulla rispettiva branch.