繼上篇的數據的讀取,這裏介紹介紹計算機視覺關鍵的一步。識別模型的構建。說到視覺識別模型肯定少不了卷積神經網絡(cnn)。這裏重點介紹cnn神經網絡。
1.簡介卷積神經網絡的發展
1979和1980年發表的論文中,福島仿造生物的視覺皮層(visual cortex)設計了以“neocognitron”命名的神經網絡。neocognitron是一個具有深度結構的神經網絡,並且是最早被提出的深度學習算法之一。1987年由Alexander Waibel等提出的時間延遲網絡(Time Delay Neural Network, TDNN)。TDNN是一個應用於語音識別問題的卷積神經網絡。1988年,Wei Zhang提出了第一個二維卷積神經網絡:平移不變人工神經網絡(SIANN),並將其應用於檢測醫學影像。1989年,Yann LeCun構建了應用於計算機視覺問題的卷積神經網絡,即LeNet的最初版本。1993年由貝爾實驗室(AT&T Bell Laboratories)完成LeNet代碼開發。二十一世紀,計算機硬件的提高,神經網絡得到了長足發展。
2.簡介卷積神經網絡的結構
卷積神經網絡和傳統的神經網絡一樣。都是層級網絡,只是層的功能和形式做了變化,可以說是傳統神經網絡的一個改進。
卷積神經網絡的層級結構:
- 數據輸入層/ Input layer
- 卷積計算層/ CONV layer
- ReLU激勵層 / ReLU layer
- 池化層 / Pooling layer
- 全連接層 / FC layer
數據輸入層:
該層要做的處理主要是對原始圖像數據進行預處理,其中包括:
- 去均值:把輸入數據各個維度都中心化爲0,如下圖所示,其目的就是把樣本的中心拉回到座標系原點上。
- 歸一化:幅度歸一化到同樣的範圍,如下所示,即減少各維度數據取值範圍的差異而帶來的干擾,比如,我們有兩個維度的特徵A和B,A範圍是0到10,而B範圍是0到10000,如果直接使用這兩個特徵是有問題的,好的做法就是歸一化,即A和B的數據都變爲0到1的範圍。
- PCA/白化:用PCA降維;白化是對數據各個特徵軸上的幅度歸一化
卷積計算層:
這一層就是卷積神經網絡最重要的一個層次,也是“卷積神經網絡”的名字來源。
在這個卷積層,有兩個關鍵操作:
- 局部關聯。每個神經元看做一個濾波器(filter)
- 窗口(receptive field)滑動, filter對局部數據計算
激勵層:
把卷積層輸出結果做非線性映射。CNN採用的激勵函數一般爲ReLU(The Rectified Linear Unit/修正線性單元),它的特點是收斂快,求梯度簡單,但較脆弱。
池化層:
池化層夾在連續的卷積層中間, 用於壓縮數據和參數的量,減小過擬合。簡而言之,如果輸入是圖像的話,那麼池化層的最主要作用就是壓縮圖像。
全連接層:
兩層之間所有神經元都有權重連接,通常全連接層在卷積神經網絡尾部。也就是跟傳統的神經網絡神經元的連接方式是一樣的。
3.代碼實現與見解
·
# 讀取數據,準備訓練數據與驗證數據
import os, sys, glob, shutil, json
os.environ["CUDA_VISIBLE_DEVICES"] = '0'
import cv2
from PIL import Image
import numpy as np
from tqdm import tqdm, tqdm_notebook
import torch
torch.manual_seed(0)
torch.backends.cudnn.deterministic = False
torch.backends.cudnn.benchmark = True
import torchvision.models as models
import torchvision.transforms as transforms
import torchvision.datasets as datasets
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
from torch.autograd import Variable
from torch.utils.data.dataset import Dataset
#步驟1:定義好讀取圖像的Dataset
class SVHNDataset(Dataset):
def __init__(self, img_path, img_label, transform=None):
self.img_path = img_path
self.img_label = img_label
if transform is not None:
self.transform = transform
else:
self.transform = None
def __getitem__(self, index):
img = Image.open(self.img_path[index]).convert('RGB')
if self.transform is not None:
img = self.transform(img)
# 設置最長的字符長度爲5個
lbl = np.array(self.img_label[index], dtype=np.int)
lbl = list(lbl) + (5 - len(lbl)) * [10]
return img, torch.from_numpy(np.array(lbl[:5]))
def __len__(self):
return len(self.img_path)
train_path = glob.glob('cv/mchar_train/mchar_train/*.png')
train_path.sort()
train_json = json.load(open('cv/mchar_train.json'))
train_label = [train_json[x]['label'] for x in train_json]
print(len(train_path), len(train_label))
train_loader = torch.utils.data.DataLoader(
SVHNDataset(train_path, train_label,
transforms.Compose([
transforms.Resize((64, 128)),
transforms.RandomCrop((60, 120)),
transforms.ColorJitter(0.3, 0.3, 0.2),
transforms.RandomRotation(5),
transforms.ToTensor(),
transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
])),
batch_size=40,
shuffle=True,
num_workers=0,
)
val_path = glob.glob('cv/mchar_val/mchar_val/*.png')
val_path.sort()
val_json = json.load(open('cv/mchar_val.json'))
val_label = [val_json[x]['label'] for x in val_json]
print(len(val_path), len(val_label))
val_loader = torch.utils.data.DataLoader(
SVHNDataset(val_path, val_label,
transforms.Compose([
transforms.Resize((60, 120)),
# transforms.ColorJitter(0.3, 0.3, 0.2),
# transforms.RandomRotation(5),
transforms.ToTensor(),
transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
])),
batch_size=40,
shuffle=False,
num_workers=0,
)
# 定義模型,這裏追求精度,使用與訓練模型
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
# CNN提取特徵模塊
# self.cnn = nn.Sequential(
# nn.Conv2d(3, 16, kernel_size=(3, 3), stride=(2, 2)),
# nn.ReLU(),
# nn.MaxPool2d(2),
# nn.Conv2d(16, 32, kernel_size=(3, 3), stride=(2, 2)),
# nn.ReLU(),
# nn.MaxPool2d(2),
# )
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)
#self.fc6 = nn.Linear(32 * 3 * 7, 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)
#c6 = self.fc6(feat)
return c1, c2, c3, c4, c5#, c6
model = SVHN_Model1()
#訓練數據
criterion = nn.CrossEntropyLoss()
optimizer = torch.optim.Adam(model.parameters(), 0.0001)
best_loss = 100.0
use_cuda = False
if use_cuda:
model = model.cuda()
if __name__ == '__main__':
for epoch in range(10):
#train_loss = train(train_loader, model, criterion, optimizer, epoch)
train_loss = train(train_loader, model, criterion, optimizer)
val_loss = validate(val_loader, model, criterion)
val_label = [''.join(map(str, x)) for x in val_loader.dataset.img_label]
val_predict_label = predict(val_loader, model, 1)
val_predict_label = np.vstack([
val_predict_label[:, :11].argmax(1),
val_predict_label[:, 11:22].argmax(1),
val_predict_label[:, 22:33].argmax(1),
val_predict_label[:, 33:44].argmax(1),
val_predict_label[:, 44:55].argmax(1),
]).T
val_label_pred = []
for x in val_predict_label:
val_label_pred.append(''.join(map(str, x[x != 10])))
val_char_acc = np.mean(np.array(val_label_pred) == np.array(val_label))
print('Epoch: {0}, Train loss: {1} \t Val loss: {2}'.format(epoch, train_loss, val_loss))
print(val_char_acc)
# 記錄下驗證集精度
if val_loss < best_loss:
best_loss = val_loss
torch.save(model.state_dict(), './model_1.pt')
這裏直接應用預訓練模型進行訓練。
總結
通過對卷積神經網絡的發展歷程,明確了現代計算機科學辛路發展歷程。總體收穫不小。