AIBuster – Bildklassificering & ML-jämförelse

AIBuster är ett akademiskt projekt som jämför hur olika maskininlärningsmetoder angriper samma bildklassificeringsproblem. Fokus ligger på experimenterande: att träna flera modeller, granska deras särdragsrepresentationer och förstå avvägningarna mellan träffsäkerhet, tolkningsbarhet och beräkningskostnad.

Centrala funktioner

• Bildklassificering med flera olika metoder.
• Jämförelse sida vid sida av modeller och särdragspipelines.
• Visualisering och dimensionsreduktion av bildsärdrag.
• Interaktivt GUI för testning och utvärdering.

Maskininlärning & särdragstekniker

• Convolutional Neural Networks (CNN)
• Support Vector Machines (SVM)
• Quadratic Discriminant Analysis (QDA)
• Logistisk regression
• Local Binary Patterns (LBP) med Sobel-filtrering
• Principal Component Analysis (PCA)
• t-SNE för särdragsvisualisering

Implementationsdetaljer

• Modulär Python-struktur för modeller, särdragsextraktion och utvärdering.
• Skript för träning, validering och resultatanalys.
• Förtränade modeller och sparad träningshistorik för snabba jämförelser.
• GUI-gränssnitt (main_gui.py) för förenklad interaktion.

Teknikstack

• Python
• NumPy, scikit-learn
• TensorFlow / Keras (CNN)
• OpenCV (bildbehandling)
• Egna pipelines för särdragsextraktion

Sammanhang: Akademiskt projekt med fokus på tillämpad maskininlärning och jämförande analys snarare än produktionsdrift.
Roll: Maskininlärning & implementation
Gjort av: Aren Seferi, Montana S., Chrisopher M.