tensorflow给图片打标签_交通标识分类TensorFlow实现

整理翻译自：https://github.com/waleedka/traffic-signs-tensorflow交通标识分类-tensorflow实现

测试平台为win10系统，python3运行环境，需配置tensorflow-gpu。首先引入必要的库

import osimport randomimport skimage.dataimport skimage.transformimport matplotlibimport matplotlib.pyplot as pltimport numpy as npimport tensorflow as tf# Allow image embeding in notebook%matplotlib inline

数据集解析

数据目录结构:

/traffic/datasets/BelgiumTS/Training/
/traffic/datasets/BelgiumTS/Testing/

训练集和测试集下分别有 62 个子目录，名字为 00000 to 00061。目录的名称代表从0到61的标签，每个目录中的图像代表属于该标签的交通标志。图片的存储格式为 .ppm 格式, 可以使用skimage library读取。

def load_data(data_dir):"""Loads a data set and returns two lists:        images: a list of Numpy arrays, each representing an image.    labels: a list of numbers that represent the images labels.    """# Get all subdirectories of data_dir. Each represents a label.directories = [d for d in os.listdir(data_dir) if os.path.isdir(os.path.join(data_dir, d))]# Loop through the label directories and collect the data in# two lists, labels and images.labels = []images = []for d in directories:label_dir = os.path.join(data_dir, d)file_names = [os.path.join(label_dir, f) for f in os.listdir(label_dir) if f.endswith(".ppm")]# For each label, load it's images and add them to the images list.# And add the label number (i.e. directory name) to the labels list.for f in file_names:images.append(skimage.data.imread(f))labels.append(int(d))return images, labels# Load training and testing datasets.ROOT_PATH = ""train_data_dir = os.path.join(ROOT_PATH, "datasets/BelgiumTS/Training")test_data_dir = os.path.join(ROOT_PATH, "datasets/BelgiumTS/Testing")images, labels = load_data(train_data_dir)

打印出所有的图片和标签个数

print("Unique Labels: {0}\nTotal Images: {1}".format(len(set(labels)), len(images)))

Unique Labels: 62
Total Images: 4575

显示每类标签的第一个图片

def display_images_and_labels(images, labels):"""Display the first image of each label."""unique_labels = set(labels) # set：不重复出现plt.figure(figsize=(15, 15)) # figure sizei = 1for label in unique_labels:# Pick the first image for each label.image = images[labels.index(label)] #每个label在整个labels表中的位置# str1.index(str2, beg=0, end=len(string)) str2在str1中的索引值# print(labels.index(label))plt.subplot(8, 8, i)  # A grid of 8 rows x 8 columnsplt.axis('off')plt.title("Label {0} ({1})".format(label, labels.count(label)))# label，totalnumi += 1_ = plt.imshow(image)plt.show()display_images_and_labels(images, labels)

图片虽然是方形的，但是每一种图片的长宽比都不一样。而神经网络的输入大小是固定的，所以需要做一些处理工作。处理之前先拿一个标签图片出来，多看几张该标签下的图片，比如标签32，如下：

def display_label_images(images, label):"""Display images of a specific label."""limit = 24  # show a max of 24 imagesplt.figure(figsize=(15, 5))i = 1start = labels.index(label)end = start + labels.count(label)# count:统计字符串里某个字符出现的次数for image in images[start:end][:limit]:plt.subplot(3, 8, i)  # 3 rows, 8 per rowplt.axis('off')i += 1plt.imshow(image)plt.show()display_label_images(images, 32)

从上述图片中，我们可以发现虽然限速大小不同，但是都被归纳到同一类了。这非常好，后续的程序中，我们就可以忽略数字这个概念了。这就是为什么事先理解你的数据集是如此重要，可以在后续工作中为你节省很多的痛苦和混乱。

那么原始图片的大小到底是什么呢？让我们先来打印一些看看：(小技巧：打印min()和max()值。这是一种简单的方法来验证您的数据的范围并及早发现错误)

for image in images[:5]:print("shape: {0}, min: {1}, max: {2}".format(image.shape, image.min(), image.max()))

shape: (141, 142, 3), min: 0, max: 255
shape: (120, 123, 3), min: 0, max: 255
shape: (105, 107, 3), min: 0, max: 255
shape: (94, 105, 3), min: 7, max: 255
shape: (128, 139, 3), min: 0, max: 255

图片的尺寸大约在 128 * 128 左右，那么我们可以使用这个尺寸来保存图片，这样可以保存尽可能多的信息。但是，在早期的开发中，使用更小的尺寸，训练模型将很快，能够更快的迭代。选择 32 * 32 的尺寸，这在肉眼下很容易识别图片(见下图)，并且我们是要保证缩小的比例是 128 * 128 的倍数。

# Resize imagesimages32 = [skimage.transform.resize(image, (32, 32))for image in images]display_images_and_labels(images32, labels)

32x32的图像不是那么清晰，但仍然可以辨认。请注意，上面的显示显示了大于实际大小的图像，因为matplotlib库试图将它们与网格大小相匹配。

下面打印一些图像的大小来验证我们是否正确。

for image in images32[:5]:print("shape: {0}, min: {1}, max: {2}".format(image.shape, image.min(), image.max()))

shape: (32, 32, 3), min: 0.03529411764705882, max: 0.996078431372549
shape: (32, 32, 3), min: 0.033953737745098134, max: 0.996078431372549
shape: (32, 32, 3), min: 0.03694182751225489, max: 0.996078431372549
shape: (32, 32, 3), min: 0.06460056678921595, max: 0.9191425398284313
shape: (32, 32, 3), min: 0.06035539215686279, max: 0.9028492647058823

大小是正确的。但是请检查最小值和最大值!它们现在的范围从0到1.0，这与我们上面看到的0-255的范围不同。缩放函数为我们做了这个变换。将值标准化到0-1.0的范围非常普遍，所以我们会保留它。但是记住，如果你想要将图像转换回正常的0-255范围，要乘以255。

labels_a = np.array(labels) # 标签images_a = np.array(images32) # 图片print("labels: ", labels_a.shape, "\nimages: ", images_a.shape)

labels:  (4575,) 
images:  (4575, 32, 32, 3)

模型建立

首先创建一个Graph对象。

然后设置了占位符(Placeholder)用来放置图片和标签。占位符是TensorFlow从主程序中接收输入的方式。参数 images_ph 的维度是 [None, 32, 32, 3]，这四个参数分别表示 [批量大小，高度，宽度，通道] (通常缩写为 NHWC)。批处理大小用 None 表示，意味着批处理大小是灵活的，也就是说，可以向模型中导入任意批量大小的数据，而不用去修改代码。

全连接层的输出是一个长度是62的对数矢量。输出的数据可能看起来是这样的：[0.3, 0, 0, 1.2, 2.1, 0.01, 0.4, ... ..., 0, 0]。值越高，图片越可能表示该标签。输出的不是一个概率，他们可以是任意的值，并且相加的结果不等于1。输出神经元的实际值大小并不重要，因为这只是一个相对值，相对62个神经元而言。如果需要，我们可以很容易的使用 softmax 函数或者其他的函数转换成概率(这里不需要)。

在这个项目中，只需要知道最大值所对应的索引就行了，因为这个索引代表着图片的分类标签。argmax 函数的输出结果将是一个整数，范围是 [0, 61]。

损失函数采用交叉熵计算方法，因为交叉熵更适合分类问题，而平方差适合回归问题。交叉熵是两个概率向量之间的差的度量。因此，我们需要将标签和神经网络的输出转换成概率向量。TensorFlow中有一个 sparse_softmax_cross_entropy_with_logits 函数可以实现这个操作。这个函数将标签和神经网络的输出作为输入参数，并且做三件事：第一，将标签的维度转换为 [None, 62](这是一个0-1向量)；第二，利用softmax函数将标签数据和神经网络输出结果转换成概率值；第三，计算两者之间的交叉熵。这个函数将会返回一个维度是 [None] 的向量(向量长度是批处理大小)，然后我们通过 reduce_mean 函数来获得一个值，表示最终的损失值。

模型参数的调整选用梯度下降算法，经试验学习率选用0.08比较合适，迭代800次。

# Create a graph to hold the model.graph = tf.Graph()# Create model in the graph.with graph.as_default():# Placeholders for inputs and labels.images_ph = tf.placeholder(tf.float32, [None, 32, 32, 3])labels_ph = tf.placeholder(tf.int32, [None])# Flatten input from: [None, height, width, channels]# To: [None, height * width * channels] == [None, 3072]images_flat = tf.contrib.layers.flatten(images_ph)# Fully connected layer. 【全连接层】# Generates logits of size [None, 62]logits = tf.contrib.layers.fully_connected(images_flat, 62, tf.nn.relu)# Convert logits to label indexes (int).# Shape [None], which is a 1D vector of length == batch_size.predicted_labels = tf.argmax(logits, 1)# Define the loss function. 【损失函数】# Cross-entropy is a good choice for classification. 交叉熵loss = tf.reduce_mean(tf.nn.sparse_softmax_cross_entropy_with_logits(logits=logits, labels=labels_ph))# Create training op.  【梯度下降算法】train = tf.train.GradientDescentOptimizer(learning_rate=0.08).minimize(loss)# And, finally, an initialization op to execute before training.# TODO: rename to tf.global_variables_initializer() on TF 0.12.init = tf.global_variables_initializer()print("images_flat: ", images_flat)print("logits: ", logits)print("loss: ", loss)print("predicted_labels: ", predicted_labels)print(tf.nn.sparse_softmax_cross_entropy_with_logits(logits=logits, labels=labels_ph))

images_flat:  Tensor("Flatten/flatten/Reshape:0", shape=(?, 3072), dtype=float32)
logits:  Tensor("fully_connected/Relu:0", shape=(?, 62), dtype=float32)
loss:  Tensor("Mean:0", shape=(), dtype=float32)
predicted_labels:  Tensor("ArgMax:0", shape=(?,), dtype=int64)
Tensor("SparseSoftmaxCrossEntropyWithLogits_1/SparseSoftmaxCrossEntropyWithLogits:0", shape=(?,), dtype=float32)

训练

# Create a session to run the graph we created.session = tf.Session(graph=graph)# First step is always to initialize all variables. # We don't care about the return value, though. It's None._ = session.run([init])

for i in range(801):_, loss_value = session.run([train, loss], feed_dict={images_ph: images_a, labels_ph: labels_a})if i % 20 == 0:print("Loss: ", loss_value)

Loss:  4.237691
Loss:  3.4573376
Loss:  3.081502
Loss:  2.89802
Loss:  2.780877
Loss:  2.6962612
Loss:  2.6338725
Loss:  2.5843806
Loss:  2.5426073
Loss:  2.5067272
Loss:  2.47533
Loss:  2.4474416
Loss:  2.4224002
Loss:  2.399726
Loss:  2.3790603
Loss:  2.360102
Loss:  2.3426225
Loss:  2.3264341
Loss:  2.3113735
Loss:  2.2973058
Loss:  2.2841291
Loss:  2.2717524
Loss:  2.2600884
Loss:  2.248851
Loss:  2.2366288
Loss:  2.2220945
Loss:  2.2083163
Loss:  2.1957521
Loss:  2.184217
Loss:  2.1736012
Loss:  2.1637862
Loss:  2.1546829
Loss:  2.1461952
Loss:  2.1382334
Loss:  2.13073
Loss:  2.1236277
Loss:  2.1168776
Loss:  2.1104405
Loss:  2.104286
Loss:  2.0983875
Loss:  2.0927253

使用训练的模型-测试训练集上的准确率

会话对象(session)包含模型中所有变量的值(即权重)。

# 随机从训练集中选取10张图片sample_indexes = random.sample(range(len(images32)), 10)sample_images = [images32[i] for i in sample_indexes]sample_labels = [labels[i] for i in sample_indexes]# Run the "predicted_labels" op.predicted = session.run([predicted_labels], feed_dict={images_ph: sample_images})[0]print(sample_labels)#样本标签print(predicted)#预测值

[20, 49, 18, 38, 22, 61, 19, 58, 17, 19]
[28 47 18 38 18 60 19 47 17 19]

# Display the predictions and the ground truth visually.fig = plt.figure(figsize=(10, 10))for i in range(len(sample_images)):truth = sample_labels[i]prediction = predicted[i]plt.subplot(5, 2,1+i)plt.axis('off')color='green' if truth == prediction else 'red'plt.text(40, 10, "Truth:        {0}\nPrediction: {1}".format(truth, prediction), fontsize=12, color=color)plt.imshow(sample_images[i])

上图truth后的数字为真实的标签，Prediction后的数字为预测的标签。现在的分类测试还是训练集中的图片，所以还不知道模型在未知数据集上面的效果如何。接下来在测试集上面进行评测。

模型评估-验证测试集上的准确率

可视化结果很直观，但是需要更精确的方法来测量模型的准确性，这就是验证集发挥作用的地方。

# 加载测试集图片test_images, test_labels = load_data(test_data_dir)

# 转换图片尺寸test_images32 = [skimage.transform.resize(image, (32, 32))for image in test_images]#显示转换后的图片display_images_and_labels(test_images32, test_labels)

# Run predictions against the full test set.predicted = session.run([predicted_labels], feed_dict={images_ph: test_images32})[0]# 计算准确度match_count = sum([int(y == y_) for y, y_ in zip(test_labels, predicted)])accuracy = match_count / len(test_labels)# 输出测试集上的准确度print("Accuracy: {:.3f}".format(accuracy))

Accuracy: 0.534

# Close the session. This will destroy the trained model.session.close()