CIFAR-100 Fine-Grained Object Classifier

VGG-стиль CNN распознаёт 100 категорий объектов с отображением уверенности — автоматизация визуальной классификации в e-commerce и логистике.

---

Проблема

Бизнес в e-commerce и логистике ежедневно обрабатывает миллионы изображений без меток. Ручная классификация 100 категорий — финансово неподъёмна. Этот API распознаёт объект в момент загрузки без участия человека.

---

Структура проекта

ml_CIFAR_100/
├── .gitattributes
├── .gitignore
├── readme.md
├── requirements.txt
└── cifar_100/
    ├── cifar_100.ipynb                              ← обучение (Google Colab, GPU T4)
    ├── main.py                                      ← FastAPI + Streamlit + inference
    ├── model_Cifar100Classification_CIFAR_100.pth
    ├── test data/                                   ← тестовые изображения
    ├── test1.png
    └── test2.png

---

Быстрый старт

git clone https://github.com/your-username/ml_CIFAR_100
cd ml_CIFAR_100/cifar_100

uvicorn main:app --reload --port 8000

Swagger: http://localhost:8000/docs

---

Demo

curl -X POST "http://localhost:8000/predict" \
  -H "accept: application/json" \
  -F "file=@tiger.jpg"

{
  "class": "tiger"
}

100 поддерживаемых классов: apple · bear · bicycle · butterfly · dolphin · elephant · fox · kangaroo · leopard · motorcycle · rocket · shark · tiger · train …

---

Результаты

Модель	Train Accuracy	Test Accuracy
Random (100 классов)	1%	1%
Custom VGG-style CNN	81.33%	70.04%

Обучение: 100 эпох, AdamW lr=0.001, weight_decay=1e-4, CosineAnnealingLR (T_max=100), batch_size=128, GPU T4.

Архитектурное решение: VGG-style выбран над ResNet осознанно — CIFAR-100 это 32×32 px, не фото реального мира. Предобученный ResNet (ImageNet, 224×224) — избыточен. Эта модель обучена с нуля, весит < 10 МБ, и даёт 70% точности без лицензионных расходов на предобученные веса.

---

Датасет

• Источник: CIFAR-100 (Alex Krizhevsky) — загружается через torchvision
• Объём: 60 000 RGB-изображений (50K train / 10K test)
• Размер: 32×32 px, 3 канала, 100 классов, 20 суперкатегорий
• Баланс: 500 изображений на класс — ресэмплинг не нужен

---

Архитектура модели

Conv2d(3→64, 64) + BatchNorm + ReLU×2 + MaxPool + Dropout(0.1)  → 16×16
               ↓
Conv2d(64→128, 128) + BatchNorm + ReLU×2 + MaxPool + Dropout(0.2) → 8×8
               ↓
Conv2d(128→256, 256) + BatchNorm + ReLU×2 + AdaptiveAvgPool → 1×1
               ↓
Flatten → Linear(256→512) → ReLU → Dropout(0.5) → Linear(512→100)
               ↓
argmax → class name

Ключевые решения:

AdaptiveAvgPool2d((1,1)) вместо MaxPool2d(2) в третьем блоке — устраняет зависимость от фиксированного входного размера, упрощает inference с произвольными изображениями.

Расширенная аугментация train: RandomRotation(15) + RandomHorizontalFlip + RandomCrop(32, padding=4) + ColorJitter(0.2, 0.2, 0.2, 0.1) — ключ к сужению разрыва train/test с 25% до 11%.

label_smoothing=0.1 в CrossEntropyLoss — улучшает калибровку уверенности модели при 100 классах.

CosineAnnealingLR(T_max=100, eta_min=1e-5) — плавное затухание lr, последние 20 эпох стабилизировали loss без ручного тюнинга.

Normalize([0.5071, 0.4867, 0.4408], [0.2675, 0.2565, 0.2761]) — точная нормализация по статистикам CIFAR-100, применяется к test без аугментации.

---

Стек

Слой	Технологии
ML	PyTorch, torchvision, Pillow
API	FastAPI, Uvicorn, Streamlit
Обучение	Google Colab (GPU T4), Jupyter
Регуляризация	BatchNorm2d, Dropout, CosineAnnealingLR

---

Business Impact

Задача	До	После
Классификация объекта	2–5 мин ручной работы	< 100 мс на запрос
Охват категорий	Зависит от экспертизы	100 категорий, один вызов
Масштабирование	Линейно к числу операторов	REST API
Лицензионные расходы на веса	Есть при Transfer Learning	Нет — обучено с нуля

---

Что дальше (Roadmap)

• confidence в ответе — вернуть softmax Top-5 вместе с классом
• Docker + Nginx — production-деплой по аналогии с MNIST Fashion
• Fine-tuning EfficientNet-B0 на CIFAR-100 — потолок кастомного CNN ~72-75%
• MLflow — трекинг экспериментов и версионирование модели
• Data drift мониторинг — алерт при смещении входного распределения

---