街景字符编码识别_Task03字符识别模型

1 CNN原理

卷积神经网络CNN主要用于图像识别。

神经网络前向传播过程：
一般而言，输入的图像数据经过若干层卷积和池化处理，映射出特征向量/feature map，将特征向量传入全连接层中，得出分类识别的结果。当输出的结果与我们的期望值相符时，输出最后结果。

卷积：作用是提取特征图
池化：又称降采样/down_sampling，包括最大池化/max pooling、平均池化average pooling等，作用是降维
全连接：将学到的“分布式特征表示”映射到样本标记空间；对前层是全连接的全连接层可以转化为卷积核为1x1的卷积，而前层是卷积层的全连接层可以转化为卷积核为hxw的全局卷积（h和w即前层卷积结果的高和宽）

当卷积神经网络输出的结果与我们的期望值不相符时，则进行反向传播过程。求出结果与期望值的误差，再将误差一层一层的返回，计算出每一层的误差，然后进行权值更新。

卷积神经网络的反向传播过程：
当卷积神经网络输出的结果与我们的期望值不相符时，则进行反向传播过程。求出结果与期望值的误差，再将误差一层一层的返回，计算出每一层的误差，然后进行权值更新。

2 CNN的构建并理解

以下是简单的CNN实现，包含两个卷积和6个全连接

import torch
torch.manual_seed(0) 
torch.backends.cudnn.deterministic = False 
torch.backends.cudnn.benchmark = True
import torchvision.models as models
import torchvision.transforms as transforms 
import torchvision.datasets as datasets 
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
from torch.autograd import Variable
from torch.utils.data.dataset import Dataset

# 定义模型
class SVHN_Model1(nn.Module):
    def __init__(self):
        super(SVHN_Model1, self).__init__() # CNN提取特征模块
        self.cnn = nn.Sequential(
            nn.Conv2d(3, 16, kernel_size=(3, 3), stride=(2, 2)), 
            nn.ReLU(),
            nn.MaxPool2d(2),
            nn.Conv2d(16, 32, kernel_size=(3, 3), stride=(2, 2)), 
            nn.ReLU(),
            nn.MaxPool2d(2),
        )

        self.fc1 = nn.Linear(32*3*7, 11) 
        self.fc2 = nn.Linear(32*3*7, 11) 
        self.fc3 = nn.Linear(32*3*7, 11) 
        self.fc4 = nn.Linear(32*3*7, 11) 
        self.fc5 = nn.Linear(32*3*7, 11) 
        self.fc6 = nn.Linear(32*3*7, 11)

        def forward(self, img):
            feat = self.cnn(img)
            feat = feat.view(feat.shape[0], -1) 
            c1 = self.fc1(feat)
            c2 = self.fc2(feat)
            c3 = self.fc3(feat)
            c4 = self.fc4(feat)
            c5 = self.fc5(feat)
            c6 = self.fc6(feat)
            return c1, c2, c3, c4, c5, c6
    
model = SVHN_Model1()
# 损失函数
criterion = nn.CrossEntropyLoss()
# 优化器
optimizer = torch.optim.Adam(model.parameters(), 0.005)
loss_plot, c0_plot = [], []

# 迭代10个Epoch
for epoch in range(10):
    for data in train_loader:
        c0, c1, c2, c3, c4, c5 = model(data[0]) 
        loss = criterion(c0, data[1][:, 0]) + \
                criterion(c1, data[1][:, 1]) + \
                criterion(c2, data[1][:, 2]) + \
                criterion(c3, data[1][:, 3]) + \
                criterion(c4, data[1][:, 4]) + \
                criterion(c5, data[1][:, 5])
        loss /= 6 
        optimizer.zero_grad() 
        loss.backward() 
        optimizer.step()
        loss_plot.append(loss.item())
        c0_plot.append((c0.argmax(1) == data[1][:, 0]).sum().item()*1.0 / c0.shape[0])
        
print(epoch)