街景字符识别赛题 TASK3-字符识别模型

3.字符识别模型

2.1 输入数据信息

dataset加载图片时将图片尺寸固定成了（60， 120）

2.2 加载预训练模型

2.2.1 torchvision.models里有哪些模型？

import torchvision.models as models
Alexnet

• model = models.alexnet(pretrained=False)

VGG

• model = models.vgg11(pretrained =False)
• model = models.vgg11_bn(pretrained =False)
• model = models.vgg13(pretrained =False)
• model = models.vgg13_bn(pretrained =False)
• model = models.vgg16(pretrained =False)
• model = models.vgg16_bn(pretrained =False)
• model = models.vgg19(pretrained =False)
• model = models.vgg19_bn(pretrained =False)

ResNet

• model = models.resnet18(pretrained=False)
• model = models.resnet34(pretrained=False)
• model = models.resnet50(pretrained=False)
• model = models.resnet101(pretrained=False)
• model = models.resnet152(pretrained=False)

SqueezeNet

• model = models.squeezenet1_0(pretrained=False)
• model = models.squeezenet1_1(pretrained=False)

DenseNet

• model = models.densenet121(pretrained=False)
• model = models.densenet169(pretrained=False)
• model = models.densenet161(pretrained=False)
• model = models.densenet201(pretrained=False)

Inception v3

• model = models.inception_v3(pretrained=False）

GoogLeNet

• model = models.googlenet(pretrained=False）

还有几个分类网络，以及许多目标检测网络。

2.2.2 加载预训练模型参数

1. 结构一样，加载全部参数

net  =  model(*args, **kwargs)
net.load_state_dict(torch.load("my_resnet.pth"))

或者

my_resnet = torch.load("my_resnet.pth")

2. 加载部分预训练模型
   其实大多数时候我们需要根据我们的任务调节我们的模型，所以很难保证模型和公开的模型完全一样，但是预训练模型的参数确实有助于提高训练的准确率，为了结合二者的优点，就需要我们加载部分预训练模型。

pretrained_dict = model_zoo.load_url(model_urls['resnet152'])
model_dict = model.state_dict()
# 将pretrained_dict里不属于model_dict的键剔除掉
pretrained_dict = {k: v for k, v in pretrained_dict.items() if k in model_dict}
# 更新现有的model_dict
model_dict.update(pretrained_dict)
# 加载我们真正需要的state_dict
model.load_state_dict(model_dict)

因为需要剔除原模型中不匹配的键，也就是层的名字，所以我们的新模型改变了的层需要和原模型对应层的名字不一样，比如：resnet最后一层的名字是fc(PyTorch中)，那么我们修改过的resnet的最后一层就不能取这个名字，可以叫fc_

3.微改基础模型
对于我们的任务而言有些层并不是直接能用，需要我们微微改一下，比如，resnet最后的全连接层是分1000类，而我们只有21类；又比如，resnet第一层卷积接收的通道是3， 我们可能输入图片的通道是4，那么可以通过以下方法修改：

resnet.conv1 = nn.Conv2d(4, 64, kernel_size=7, stride=2, padding=3, bias=False)
resnet.fc = nn.Linear(2048, 21)

2.2.3 快速加载预训练模型参数

直接使用默认下载权重方式可能会很慢。

1. 可以修改源码，使得模型加载已经下载好的参数：

model_urls = {  'resnet50': '/home/huihua/NewDisk1/pretrain_parameter/resnet50-19c8e357.pth',}

2. 将模型权重下载至pytorch的缓存文件中：

cd .cache/torch/checkpoints   # windows
cd /home/team/.torch/models # linux

2.3 创建自己的CNN模型

class SVHN_Model1(nn.Module):
    def __init__(self):
        super(SVHN_Model1, self).__init__()
                
        model_conv = models.resnet18(pretrained=True)
        model_conv.avgpool = nn.AdaptiveAvgPool2d(1)
        model_conv = nn.Sequential(*list(model_conv.children())[:-1])
        self.cnn = model_conv
        
        self.fc1 = nn.Linear(512, 11)
        self.fc2 = nn.Linear(512, 11)
        self.fc3 = nn.Linear(512, 11)
        self.fc4 = nn.Linear(512, 11)
        self.fc5 = nn.Linear(512, 11)
    
    def forward(self, img):        
        feat = self.cnn(img)
        # print(feat.shape)
        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)
        return c1, c2, c3, c4, c5