T2 - 彩色图片分类

•  🍨 本文为🔗365天深度学习训练营 中的学习记录博客
• 🍖 原作者：K同学啊

一、前期工作

2. 导入数据

从‘tensorflow’库中导入数据集和相关模块。在这里，使用了‘cifar10’数据集，这个数据集包含了10类彩色图片（如飞机、汽车、鸟等），常用于图像分类任务。

import tensorflow as tf
from tensorflow.keras import datasets, layers, models
import matplotlib.pyplot as plt

(train_images, train_labels), (test_images, test_labels) = datasets.cifar10.load_data()

 

3. 归一化

将图片的像素值标准化到0到1的范围内。原始的像素值范围是0到255，通过除以255.0，将其缩放到0到1之间，这有助于加快模型的训练收敛速度。

train_images = train_images / 255.0
test_images = test_images / 255.0

如果要将彩色图片转换为灰度图片进行比较： 

train_images_gray = tf.image.rgb_to_grayscale(train_images)
test_images_gray = tf.image.rgb_to_grayscale(test_images)

4. 可视化

class_names = ['airplane', 'automobile', 'bird', 'cat', 'deer',
               'dog', 'frog', 'horse', 'ship', 'truck']

plt.figure(figsize=(10,10))
for i in range(25):
    plt.subplot(5,5,i+1)
    plt.xticks([])
    plt.yticks([])
    plt.grid(False)
    plt.imshow(train_images[i])
    plt.xlabel(class_names[train_labels[i][0]])
plt.show()

 

二、构建CNN网络

卷积层和池化层：

- 卷积层（Conv2D）是用来提取图片中的局部特征的。
- 池化层（MaxPooling2D）是用于降低特征图的维度，同时保留最重要的特征信息。
- 多层卷积和池化的堆叠可以让模型逐渐学习到更高层次的特征，比如边缘、纹理，最后到具体物体形状。

Flatten层和全连接层：

- Flatten层将二维的特征图展平为一维向量，便于输入到全连接层（Dense）。
- 全连接层负责综合提取到的特征，输出每个类别的概率值。

model = models.Sequential([
    layers.Conv2D(64, (3, 3), activation='relu', input_shape=(32, 32, 3)),  # 使用彩色图片
    layers.MaxPooling2D((2, 2)),
    layers.Conv2D(128, (3, 3), activation='relu'),
    layers.MaxPooling2D((2, 2)),
    layers.Conv2D(128, (3, 3), activation='relu'),
    layers.Flatten(),
    layers.Dense(256, activation='relu'),
    layers.Dropout(0.5),  # 防止过拟合
    layers.Dense(10, activation='softmax')

 

如果使用灰度图片，将input_shape修改为(32, 32, 1)，并在模型训练时使用灰度图片数据。 

# model = models.Sequential([
#     layers.Conv2D(64, (3, 3), activation='relu', input_shape=(32, 32, 1)),  # 使用灰度图片
#     layers.MaxPooling2D((2, 2)),
#     layers.Conv2D(128, (3, 3), activation='relu'),
#     layers.MaxPooling2D((2, 2)),
#     layers.Conv2D(128, (3, 3), activation='relu'),
#     layers.Flatten(),
#     layers.Dense(256, activation='relu'),
#     layers.Dropout(0.5),
#     layers.Dense(10, activation='softmax')
# ])

5. 编译模型

model.compile(optimizer='adam',
              loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=False),
              metrics=['accuracy'])

6. 训练模型 

history = model.fit(train_images, train_labels, epochs=10,
                    validation_data=(test_images, test_labels))

# 如果使用灰度图片：
# history = model.fit(train_images_gray, train_labels, epochs=10,
#                     validation_data=(test_images_gray, test_labels))

 

7. 评估模型性能 

plt.plot(history.history['accuracy'], label='accuracy')
plt.plot(history.history['val_accuracy'], label='val_accuracy')
plt.xlabel('Epoch')
plt.ylabel('Accuracy')
plt.ylim([0.5, 1])
plt.legend(loc='lower right')
plt.show()

test_loss, test_acc = model.evaluate(test_images, test_labels, verbose=2)
print(f"Test accuracy: {test_acc:.2f}")

# 如果使用灰度图片：
# test_loss, test_acc = model.evaluate(test_images_gray, test_labels, verbose=2)
# print(f"Test accuracy: {test_acc:.2f}")

 

 

要点总结：

1. 模型结构：增加了卷积层的深度和卷积核的数量，并在全连接层前添加了 Dropout 层来防止过拟合。

2. 数据处理：对数据进行了归一化处理，并提供了将彩色图片转换为灰度图片的选项，以便你进行对比实验。

3. 训练与评估：通过模型训练过程，记录每个 epoch 的训练集和验证集上的准确率，并在训练完成后使用测试集进行模型的最终评估。

彩色图片 vs. 灰度图片

1. 彩色图片：

通常用 RGB 表示，包含红、绿、蓝三个通道。 对于 CIFAR-10 数据集，每张图片的尺寸是 32x32 像素，且有 3 个通道，因此每张图片的形状是 (32, 32, 3)。

     2. 灰度图片：

只有一个通道，表示亮度。 如果将彩色图片转换为灰度图片，每张图片的形状将变为 (32, 32, 1)，即只有一个通道。