【實操】深度學習網絡萬萬千，到底怎麼把我的數據放進去？

如今最熱的方向莫過於深度學習了，什麼AlexNet，GoogleNet，幾乎都耳熟能詳，畢竟畢業設計一般的題目都和深度學習有關。

相信看到這篇文章的同學，對深度學習大概是幹啥的，肯定有所理解。但是可能苦惱於怎麼把我自己的數據導入這些網絡裏，怎麼讓模型輸出分類/識別的結果？

下面以在 Matlab 裏用 AlexNet 進行 分類 爲例，帶大家從零開始使用模型，一直到輸出分類結果。

首先要進行分類的話，肯定需要有已經分好類的數據庫，如下圖所示。ClassficationData文件夾裏有五個子文件夾，代表五類樣本。

可以看到，每個子文件夾中的數據格式均爲jpg

現在要做的事，就是用這些數據，訓練AlexNet模型，使其可以自動對照片進行分類。由於AlexNet對輸入圖片尺寸有要求（227227），所以我們首先要對原始數據庫的圖片尺寸統一爲227227。這部分代碼參考鏈接1。

鏈接1：Matlab批量修改文件夾中照片尺寸

值得注意的是，在使用鏈接1裏的代碼時，需要預先建立一個新的文件夾，以及裏面的子文件夾（同名），這樣纔可以把修改好的圖片存進來。如下圖：

接下來只需要把照片導入模型裏就OK了，我們這裏參考matlab官方例程，爲大家做個示範，代碼如下：

imds = imageDatastore('F:\模式識別作業\ResizeClassificationData\', ...
    'IncludeSubfolders',true,'LabelSource','foldernames');

% 每類樣本中測試集的個數，若每類樣本有50個，測試集:訓練集 = 7:3 = 35:15
numTrainFiles = 35;                                                         
[imdsTrain,imdsValidation] = splitEachLabel(imds,numTrainFiles,'randomize');

layers1 = alexnet;                                                          % 引入alexnet
layers2 = layers1.Layers(1:end-3);                                          % 去掉alexnet後3層
layers = [layers2                                                           % 修改alexnet後3層
          fullyConnectedLayer(5,'WeightLearnRateFactor',20,'BiasLearnRateFactor',20)
          softmaxLayer
          classificationLayer];
inputSize = layers1.Layers(1).InputSize;
      
augimdsValidation = augmentedImageDatastore(inputSize(1:2),imdsValidation);
options = trainingOptions('sgdm', ...                                       % 模型參數調整
    'MiniBatchSize',10, ...
    'MaxEpochs',6, ...
    'InitialLearnRate',1e-4, ...
    'Shuffle','every-epoch', ...
    'ValidationData',augimdsValidation, ...
    'ValidationFrequency',3, ...
    'Verbose',false, ...
    'Plots','training-progress');

net = trainNetwork(imdsTrain,layers,options);                               % 訓練好的模型

YPred = classify(net,imdsValidation);                                       % 預測結果輸出
YValidation = imdsValidation.Labels;

accuracy = sum(YPred == YValidation)/numel(YValidation)                     % 精度輸出

結果輸出如下：

最後，將整個功能代碼封裝成一個簡單好操作的形式，點下“運行”就完事了，實現 尺寸重定義 + alexnet模型訓練輸出 一條龍，不用再手動建立新的文件夾，效果如下：

同時歡迎大家來技術交流，個人QQ:1356580910，圖像處理探索羣（不只是圖像處理）：913931535 ，備註:CSDN深度學習

相關資料推薦如下：👇🏻
⭐基於小波變換的圖像邊緣檢測（matlab祖傳代碼註釋）
⭐Matlab對話框總結