用Keras+TensorFlow，实现ImageNet数据集日常对象的识别

本文来自AI新媒体量子位（QbitAI）

在计算机视觉领域里，有3个最受欢迎且影响非常大的学术竞赛：ImageNet ILSVRC（大规模视觉识别挑战赛），PASCAL VOC（关于模式分析，统计建模和计算学习的研究）和微软COCO图像识别大赛。这些比赛大大地推动了在计算机视觉研究中的多项发明和创新，其中很多都是免费开源的。

博客Deep Learning Sandbox作者Greg Chu打算通过一篇文章，教你用Keras和TensorFlow，实现对ImageNet数据集中日常物体的识别。

量子位翻译了这篇文章：

你想识别什么？

看看ILSVRC竞赛中包含的物体对象。如果你要研究的物体对象是该列表1001个对象中的一个，运气真好，可以获得大量该类别图像数据！以下是这个数据集包含的部分类别：

狗	熊	椅子
汽车	键盘	箱子
婴儿床	旗杆	iPod播放器
轮船	面包车	项链
降落伞	枕头	桌子
钱包	球拍	步枪
校车	萨克斯管	足球
袜子	舞台	火炉
火把	吸尘器	自动售货机
眼镜	红绿灯	菜肴
盘子	西兰花	红酒

△ 表1 ImageNet ILSVRC的类别摘录

完整类别列表见：https://gist.github.com/gregchu/134677e041cd78639fea84e3e619415b

如果你研究的物体对象不在该列表中，或者像医学图像分析中具有多种差异较大的背景，遇到这些情况该怎么办？可以借助迁移学习（transfer learning）和微调（fine-tuning），我们以后再另外写文章讲。

图像识别

图像识别，或者说物体识别是什么？它回答了一个问题：“这张图像中描绘了哪几个物体对象？”如果你研究的是基于图像内容进行标记，确定盘子上的食物类型，对癌症患者或非癌症患者的医学图像进行分类，以及更多的实际应用，那么就能用到图像识别。

Keras和TensorFlow

Keras是一个高级神经网络库，能够作为一种简单好用的抽象层，接入到数值计算库TensorFlow中。另外，它可以通过其keras.applications模块获取在ILSVRC竞赛中获胜的多个卷积网络模型，如由Microsoft Research开发的ResNet50网络和由Google Research开发的InceptionV3网络，这一切都是免费和开源的。具体安装参照以下说明进行操作：

Keras安装：https://keras.io/#installation

TensorFlow安装：https://www.tensorflow.org/install/

实现过程

我们的最终目标是编写一个简单的python程序，只需要输入本地图像文件的路径或是图像的URL链接就能实现物体识别。

以下是输入非洲大象照片的示例：

1. python classify.py --image African_Bush_Elephant.jpg
2. python classify.py --image_url http://i.imgur.com/wpxMwsR.jpg

输入：

输出将如下所示：

△ 该图像最可能的前3种预测类别及其相应概率

预测功能

我们接下来要载入ResNet50网络模型。首先，要加载keras.preprocessing和keras.applications.resnet50模块，并使用在ImageNet ILSVRC比赛中已经训练好的权重。

想了解ResNet50的原理，可以阅读论文《基于深度残差网络的图像识别》。地址：https://arxiv.org/pdf/1512.03385.pdf

import numpy as np
from keras.preprocessing import image
from keras.applications.resnet50 
import ResNet50, preprocess_input, decode_predictions
model = ResNet50(weights='imagenet')

接下来定义一个预测函数：

def predict(model, img, target_size, top_n=3):
  """Run model prediction on image
  Args:
    model: keras model
    img: PIL format image
    target_size: (width, height) tuple
    top_n: # of top predictions to return
  Returns:
    list of predicted labels and their probabilities
  """
  if img.size != target_size:
    img = img.resize(target_size)
  x = image.img_to_array(img)
  x = np.expand_dims(x, axis=0)
  x = preprocess_input(x)
  preds = model.predict(x)  
return decode_predictions(preds, top=top_n)[0]

在使用ResNet50网络结构时需要注意，输入大小target_size必须等于(224,224)。许多CNN网络结构具有固定的输入大小，ResNet50正是其中之一，作者将输入大小定为(224,224)。

image.img_to_array：将PIL格式的图像转换为numpy数组。

np.expand_dims：将我们的(3，224，224)大小的图像转换为(1，3，224，224)。因为model.predict函数需要4维数组作为输入，其中第4维为每批预测图像的数量。这也就是说，我们可以一次性分类多个图像。

preprocess_input：使用训练数据集中的平均通道值对图像数据进行零值处理，即使得图像所有点的和为0。这是非常重要的步骤，如果跳过，将大大影响实际预测效果。这个步骤称为数据归一化。

model.predict：对我们的数据分批处理并返回预测值。

decode_predictions：采用与model.predict函数相同的编码标签，并从ImageNet ILSVRC集返回可读的标签。

keras.applications模块还提供4种结构：ResNet50、InceptionV3、VGG16、VGG19和XCeption，你可以用其中任何一种替换ResNet50。更多信息可以参考https://keras.io/applications/。

绘图

我们可以使用matplotlib函数库将预测结果做成柱状图，如下所示：

def plot_preds(image, preds):  
  """Displays image and the top-n predicted probabilities 
     in a bar graph  
  Args:    
    image: PIL image
    preds: list of predicted labels and their probabilities  
  """  
  #image
  plt.imshow(image)
  plt.axis('off')  #bar graph
  plt.figure()  
  order = list(reversed(range(len(preds))))  
  bar_preds = [pr[2] for pr in preds]
  labels = (pr[1] for pr in preds)
  plt.barh(order, bar_preds, alpha=0.5)
  plt.yticks(order, labels)
  plt.xlabel('Probability')
  plt.xlim(0, 1.01)
  plt.tight_layout()
  plt.show()

主体部分

为了实现以下从网络中加载图片的功能：

1. python classify.py --image African_Bush_Elephant.jpg
2. python classify.py --image_url http://i.imgur.com/wpxMwsR.jpg

我们将定义主函数如下：

if __name__=="__main__":
  a = argparse.ArgumentParser()
  a.add_argument("--image", 

help="path to image")
  a.add_argument("--image_url", 

help="url to image")
  args = a.parse_args()
if args.image is None and args.image_url is None:
    a.print_help()
    sys.exit(1)
if args.image is not None:
    img = Image.open(args.image)
    print_preds(predict(model, img, target_size))
if args.image_url is not None:
    response = requests.get(args.image_url)
    img = Image.open(BytesIO(response.content))
    print_preds(predict(model, img, target_size))

其中在写入image_url功能后，用python中的Requests库就能很容易地从URL链接中下载图像。

完工

将上述代码组合起来，你就创建了一个图像识别系统。项目的完整程序和示例图像请查看GitHub链接：

https://github.com/DeepLearningSandbox/DeepLearningSandbox/tree/master/image_recognition

本文作者：王新民

原文发布时间：2017-04-23