Разработана система, которая определяет породу собаки по фотографии, используя современные методы глубокого обучения. В основе модели лежит EfficientNetV2, предобученная на большом наборе изображений (ImageNet21k), что позволило значительно ускорить обучение и повысить точность.

📚 Данные: Использован набор Stanford Dogs, включающий тысячи изображений 120 разных пород. Фотографии содержат разнообразные сцены — от студийных снимков до уличных условий с разными фонами и освещением.
🔁 Подготовка данных: Применялась аугментация — повороты, отражения, обрезка, изменение яркости и контраста. Это позволило модели научиться распознавать породы даже при сложных условиях.
⚙️ Обучение:
• Сначала использовалась предобученная EfficientNetV2S как извлекатель признаков.
• Затем часть слоёв была разморожена для тонкой настройки (fine-tuning).
• Для повышения точности модель обучалась на тренировочном наборе с валидацией на 10% данных.

📈 Результаты:
• Модель достигла 99.73% точности на валидации.
• Потери снизились с 1.72 до 0.12.
• Система устойчива даже к изображениям со сложным фоном и схожими породами.

💡 Вывод:
Модель демонстрирует высокий уровень обобщающей способности и готова к использованию в реальных приложениях, например, для мобильных сервисов, ветеринарных клиник или онлайн-каталогов собак. Она способна быстро и точно определять породу, даже если собака сфотографирована в непривычных условиях.