使用Keras（tensorflow作为 后端）的图像分类过程

数据的处理

数据的介绍

本次实验使用的数据是有关交通标志的数据，其实验内容参考了网站：实验参考网站
数据集的下载网站：数据集下载，只需要下载的是BelgiumTS for Classification (cropped images) 目录下面的两个文件：
BelgiumTSC_Training (171.3MBytes)
BelgiumTSC_Testing (76.5MBytes)

一共有62种交通标志

图片的处理

由于下载的图片格式是ppm，需要转成png格式，使用python代码进行批量图片的格式转换。

from PIL import Image
import os
input_train_path="C:/study_content/DataSet/BelgiumTSC_Training/Training"
output_train_path = "C:/study_content/DataSet/train_data/"
input_test_path="C:/study_content/DataSet/BelgiumTSC_Testing/Testing"
output_test_path = "C:/study_content/DataSet/test_data/"
def batch_image(in_dir, out_dir):
    if not os.path.exists(out_dir):
        print(out_dir, 'is not existed.')
        os.mkdir(out_dir)
    if not os.path.exists(in_dir):
        print(in_dir, 'is not existed.')
        return -1
    directories = [d for d in os.listdir(in_dir) if os.path.isdir(os.path.join(in_dir, d))]
    for d in directories:
        # 每一类的路径
        label_directory = os.path.join(in_dir, d)
        new_directory = os.path.join(out_dir, d)
        out_folder = os.path.exists(out_dir+d)
        if not out_folder:
            os.mkdir(new_directory)
        file_names = [os.path.join(label_directory, f) for f in os.listdir(label_directory) if f.endswith(".ppm")]
        # file_names is every photo which is end with ".ppm"
        count = 0
        for files in file_names:
            file_path, extfilename = os.path.split(files)
            filename, extname = os.path.splitext(extfilename)
            out_file = filename + '.png'
            # print(filepath,',',filename, ',', out_file)
            im = Image.open(files)
            new_path = os.path.join(new_directory, out_file)
            print(count, ',', new_path)
            count = count + 1
            im.save(new_path) 
if __name__ == '__main__':
    batch_image(input_test_path, output_test_path)
    batch_image(input_train_path, output_train_path)

转换成功后分别保存在上图中的test_data与train_data中。

搭建CNN

CNN的种类繁多，无法确实使用什么样的网络结构，从最简单的LetNet开始实验，然后再改进。
1、搭建网络结构代码（保存在net文件夹的lenet.py中）：

from keras.models import Sequential
from keras.layers.convolutional import Conv2D
from keras.layers.convolutional import MaxPooling2D
from keras.layers.core import Activation
from keras.layers.core import Flatten
from keras.layers.core import Dense
from keras