基于PaddlePaddle的图像分类

本文使用了百度PaddlePaddle模型库中的模型，数据库和代码，这里只是讲解如何利用该平台上开源项目进行改进。

一、准备

模型链接
点击链接会进入模型界面，如图：
可以选择启动环境直接在线运行，也可以将文档中的代码复制下来进行简单修改后，在自己电脑上运行，当然，还需要下载数据集。如果不想自己训练的话，作者已经把训练好的模型放到了环境中，可以直接下载。
如上图，最左侧的freeze-model是作者训练好的模型，可以直接下载，使用的时候直接导入。data为数据集，里面包含了训练接和测试集。

二、离线运行

将文档中的代码按自己所需进行复制，放到自己的编译器中，我用的是Pycharm，Python3.8。记得先安装好Paddle，安装教程在官网有：安装
一切都准备好，下面就是配置环境和改代码了：
在工程中新建一个文件夹，专门用来做这个项目，这样能看上去更简洁明了。文件夹中再分两个子文件夹，一个用来放数据集，一个用来放模型，代码直接放在主文件夹中，就像这样：

我这里已经把代码修改好了，数据集和模型的路径什么的就现用现改，哪里有问题就再改，反正这个程序中用了很多名称来代指文件的路径，在复制的时候要把前面的字典定义也要放进去，代码如下：

from __future__ import absolute_import
from __future__ import division
from __future__ import print_function

import os
import numpy as np
import time
import codecs
import paddle.fluid as fluid
from PIL import Image, ImageEnhance
import matplotlib.pyplot as plt

target_size = [3, 224, 224]
mean_rgb = [127.5, 127.5, 127.5]
data_dir = "data"
eval_file = "eval.txt"
use_gpu = True
place = fluid.CPUPlace() if use_gpu else fluid.CPUPlace()
exe = fluid.Executor(place)
save_freeze_dir = "freeze-model"
[inference_program, feed_target_names, fetch_targets] = fluid.io.load_inference_model(dirname=save_freeze_dir,
                                                                                      executor=exe)


# print(fetch_targets)


def crop_image(img, target_size):
    width, height = img.size
    w_start = (width - target_size[2]) / 2
    h_start = (height - target_size[1]) / 2
    w_end = w_start + target_size[2]
    h_end = h_start + target_size[1]
    img = img.crop((w_start, h_start, w_end, h_end))
    return img


def resize_img(img, target_size):
    ret = img.resize((target_size[1], target_size[2]), Image.BILINEAR)
    return ret


def read_image(img_path):
    img = Image.open(img_path)
    if img.mode != 'RGB':
        img = img.convert('RGB')
    plt.imshow(img)
    img = crop_image(img, target_size)
    img = np.array(img).astype('float32')
    img -= mean_rgb
    img = img.transpose((2, 0, 1))  # HWC to CHW
    img *= 0.007843
    img = img[np.newaxis, :]
    return img


def infer(image_path):
    tensor_img = read_image(image_path)
    label = exe.run(inference_program, feed={feed_target_names[0]: tensor_img}, fetch_list=fetch_targets)
    return np.argmax(label)


# def eval_all():
#     eval_file_path = os.path.join(data_dir, eval_file)
#     total_count = 0
#     right_count = 0
#     with codecs.open(eval_file_path, encoding='utf-8') as flist:
#         lines = [line.strip() for line in flist]
#         t1 = time.time()
#         for line in lines:
#             total_count += 1
#             parts = line.strip().split()
#             result = infer(parts[0])
#             # print("infer result:{0} answer:{1}".format(result, parts[1]))
#             if str(result) == parts[1]:
#                 right_count += 1
#         period = time.time() - t1
#         print("total eval count:{0} cost time:{1} predict accuracy:{2}".format(total_count, "%2.2f sec" % period,
#                                                                                right_count / total_count))



# def predict1():
#     eval_file_path = os.path.join(data_dir, eval_file)
#     total_count = 0
#     right_count = 0
#     with codecs.open(eval_file_path, encoding='utf-8') as flist:
#         lines = [line.strip() for line in flist]
#         t1 = time.time()
#         labels=["daisy(菊花)","dandelion(蒲公英)","rose(玫瑰)","sunflower(向日葵)","tulip(郁金香)"]
#         for line in lines:
#             total_count += 1
#             parts = line.strip().split()
#             result = infer(parts[0])
#             # print("infer result:{0} answer:{1}".format(result, parts[1]))
#             if str(result) == parts[1]:
#                 right_count += 1
#             plt.rcParams['font.sans-serif'] = ['SimHei']
#             plt.rcParams['axes.unicode_minus'] = False
#             plt.title('{}'.format(labels[int(result)]))
#             # print(labels[int(result)])
#         period = time.time() - t1
#         print("total eval count:{0} cost time:{1}".format(total_count, "%2.2f sec" % period,
#                                                                                right_count / total_count))


def predict(img_path1):
    t1 = time.time()
    labels=["daisy(菊花)","dandelion(蒲公英)","rose(玫瑰)","sunflower(向日葵)","tulip(郁金香)"]
    result = infer(img_path1)
    plt.rcParams['font.sans-serif'] = ['SimHei']
    plt.rcParams['axes.unicode_minus'] = False
    plt.title('{}'.format(labels[int(result)]))
    # print(labels[int(result)])
    period = time.time() - t1
    print("cost time:{}".format("%2.2f sec" % period))

if __name__ == '__main__':
    image_path = "data/evalImageSet/4414080766_5116e8084e.jpg"
    predict(image_path)

可以看出来，原作者的代码中是直接输出的在测试集中的准确率，注释掉的就是原来的输出代码段，我修改了他的predict函数，在输入一张图片之后，直接输出这张图片及其预测的标签，这样看起来更清晰，也可以直接使用自己拍摄的照片（我没试过）。

注意：

直接下载下来的数据集不能直接用于训练和预测，因为还没有进行数据预处理，需要处理后将其转换为标准格式，并将一些打不开的文件进行清洗。另外，在数据集中还有几个txt文件，这是记录图片名称和标签的，程序中有用到，需要放到正确的位置。
这样就可以运行了，输出效果如下：
PS：如果哪里出了问题，就照着问题改，很可能是文件路径出了问题。