2023.10.7学习-卷积神经网络

2023.10.7学习-卷积神经网络

人工智能基础学习

图像识别特点：局部性；可能出现在任意位置

下采样图像，不会改变图像目标

卷积运算会导致的问题：

• 图像被压缩，造成信息丢失

• 边缘信息使用次数少

所以需要进行图像填充预处理

图像处理步骤：

1. 图像填充（padding）

​ 在图像边缘增加像素（通过padding增加像素点数量，由过滤器尺寸与滑动窗口stride决定），使其在进行卷积运算后维持原图大小

2. 卷积（conv）

​ 选取尺寸为(k, k)的filter（也称卷积核kernel）其参数可学习，在图像上所有区域滑动，进行卷积运算

3. 池化（pooling）

​ 以小于原图像尺寸的窗口观察一个区域，提取最大值，通道数不变。将图片信息进一步降维，仅反映最突出的特点。

4. 扁平化处理，将一维数据录入全连接隐藏层

经典CNN模型：

LeNet-5

特点：（1）随着网络越深，图像的高度和宽度在缩小，通道数（filter）在增加；（2）卷积和池化先后成对使用

AlexNet

特点：（1）适用于识别较复杂的彩色图，可识别1000种类别；（2）结构比LeNet更复杂，使用Relu作为激活函数

VGG

特点：（1）所有卷积层filter宽和高都是3，步长为1，padding都使用same convolution；（2）所有池化层filter宽和高都是2，步长为2；（3）相比于AlexNet，有更多的filter用于提取轮廓信息，具有更高精准性。

经典CNN模型应用新场景：

1. 加载经典CNN模型，剥除其FC层，对图像进行预处理
2. 把预处理完成的数据作为输入，分类结果为输出，建立MLP模型
3. 模型训练

代码：猫狗识别

import numpy as np
from keras.preprocessing.image import ImageDataGenerator
from keras.models import Sequential
from keras.layers import Conv2D, MaxPool2D, Flatten, Dense
from keras.preprocessing.image import load_img, img_to_array

# 图像预处理
# 可以进行图像增强、缩放、平移等各种操作，这里进行图像的归一化
train_datagen = ImageDataGenerator(rescale=1/255)
# 数据导入。参数：target_size=(50, 50)：希望图片转换成的尺寸；batch_size=32：每次训练从图库中选多少张图片；class_mode='binary'：二分类
training_set = train_datagen.flow_from_directory('./data_set/PetImages', target_size=(50, 50), batch_size=32, class_mode='binary')
# Found 25000 images belonging to 2 classes.

# 建立CNN模型
model = Sequential()  # 创建顺序模型实例
# 增加卷积层。参数：32个filters;每个filter的尺寸为(3, 3);步长为1(默认，则不填写);输入图片的尺寸是(50, 50, 3);激活函数使用relu
model.add(Conv2D(32, (3, 3), input_shape=(50, 50, 3), activation='relu'))
# 增加池化层。参数：池化层的尺寸为(2, 2)
model.add(MaxPool2D(pool_size=(2, 2)))
# 增加卷积层。若输入图片的尺寸一致，则不用重复写
model.add(Conv2D(32, (3, 3), activation='relu'))
# 增加池化层
model.add(MaxPool2D(pool_size=(2, 2)))
# 展开
model.add(Flatten())
# 增加全连接层。128个神经元
model.add(Dense(units=128, activation='relu'))
# 增加最后一个全连接层，因为是二分类，所以只设定一个神经元，激活函数使用“sigmoid”
model.add(Dense(units=1, activation='sigmoid'))

# 配置模型参数。使用adam优化器，损失函数为binary_crossentropy
model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])

# 查看模型结构
model.summary()

# 模型训练
model.fit_generator(training_set, epochs=15)  # 迭代15次

# 测试训练数据的准确率
accuracy_train = model.evaluate_generator(training_set)
print(accuracy_train)

# 测试数据的准确率
test_set = train_datagen.flow_from_directory('./data_set/test_set', target_size=(50, 50), batch_size=32, class_mode='binary')

accuracy_test = model.evaluate_generator(test_set)
print(accuracy_test)

# 随机找一幅图片进行预测
pic_cat = '1.jpg'
pic_cat = load_img(pic_cat, target_size=(50, 50))  # 将图片转换成(50, 50)大小
pic_cat = img_to_array(pic_cat)  # 转换为图像数组
pic_cat = pic_cat/255  # 归一化处理
pic_cat = pic_cat.reshape(1, 50, 50, 3)  # 转换可进行图片预测的格式，维度转换().1：预测的第几张图片，(50, 50)：图片维度；3:通道数
result = model.predict(pic_cat)
result = np.round(result).astype(int)
print(training_set.class_indices)  # 查看类别
print(result)  # 结果如果为1，狗；如果为0，猫
if result[0][0] == 0:
    print('预测为：猫猫')
else:
    print('预测为：狗狗')