torchimageclass 0.0.2

A library for image classification using PyTorch.

TorchImageClass

TorchImageClass é uma biblioteca em Python que fornece um conjunto de ferramentas e utilitários para classificação de imagens usando PyTorch. Ela visa facilitar o treinamento, validação e inferência de redes neurais voltadas a tarefas de classificação.

---

Sumário

• Motivação
• Principais Recursos
• Instalação
• Estrutura de Pastas do Dataset
• Como usar

---

Motivação

Modelos de classificação de imagens são amplamente usados em aplicações de visão computacional, desde identificação de objetos até detecção de doenças em exames de imagem. O TorchImageClass simplifica esse processo, fornecendo:

• Arquiteturas pré-definidas (ResNet, etc.) ou personalizáveis.
• Data loaders e transforms para imagens.
• Treinamento com otimização, métricas e early stopping.
• Práticas de logging e salvamento de modelos (checkpoints).
• Inferência em lote ou em imagens individuais.

---

Principais Recursos

1. Fácil inicialização de Modelos

   • Classes prontas para ResNet, VGG, etc., com poucas linhas de código.

2. Treinamento Automatizado

   • Loop de treino e validação com métricas integradas (acurácia, precisão, recall).

3. Data Augmentation Simplificada

   • Integração direta com torchvision.transforms.

4. Suporte a GPU/CPU

   • Reconhecimento automático de dispositivo (CUDA/ROCm ou CPU).

5. Exportação de Modelos

   • Salva pesos em formatos .pth ou .pt.

---

Instalação

Para instalar via PyPI:

pip install torchimageclass

Estrutura de Pastas do Dataset

Para que o torchimageclass funcione corretamente, é esperado que sua pasta principal (base_dir) tenha a seguinte organização:

data/
├── train/
│   ├── class_1/
│   │   ├── img1.jpg
│   │   ├── img2.jpg
│   │   └── ...
│   └── class_2/
│       ├── img1.jpg
│       ├── img2.jpg
│       └── ...
└── test/
    ├── class_1/
    │   ├── imgX.jpg
    │   └── ...
    └── class_2/
        ├── imgY.jpg
        └── ...

O exemploo acima mostra apenas duas classes dentro das pastas class_1 e class_2, mas pode conter quantas classes forém necessárias para seu projeto.

Como usar

from TorchImageClass import train_model

model, history = train_model(
    base_dir="data/images for prediction of treated tuberculosis",
    num_epochs=20,
    image_size=(224,224),
    batch_size=8,
    num_classes=2,
    patience=5,
    model_save_path="best_model.pth"
)

print("Final History:", history)
print("Trained model:", model)