0
0

猿创征文｜深度学习基于ResNet18网络完成图像分类

一．前言

本次任务是利用ResNet18网络实践更通用的图像分类任务。

ResNet系列网络，图像分类领域的知名算法，经久不衰，历久弥新，直到今天依旧具有广泛的研究意义和应用场景。被业界各种改进，经常用于图像识别任务。

今天主要介绍一下ResNet-18网络结构的案例，其他深层次网络，可以依次类推。

ResNet-18，数字代表的是网络的深度，也就是说ResNet18 网络就是18层的吗？实则不然，其实这里的18指定的是带有权重的 18层，包括卷积层和全连接层，不包括池化层和BN层。

图像分类（Image Classification）是计算机视觉中的一个基础任务，将图像的语义将不同图像划分到不同类别。很多任务也可以转换为图像分类任务。比如人脸检测就是判断一个区域内是否有人脸，可以看作一个二分类的图像分类任务。

  • 数据集：使用的计算机视觉领域的经典CIFAR-10数据集
  • 网络层：网络为ResNet18模型
  • 优化器：优化器为Adam优化器
  • 损失函数：损失函数为交叉熵损失
  • 评价指标：评价指标为准确率

ResNet 网络简介：

在这里插入图片描述

二．数据预处理

2.1　数据集介绍

CIFAR-10数据集包含了10种不同的类别、共60,000张图像，其中每个类别的图像都是6000张，图像大小均为32×3232×32像素。

2.2　数据读取

在本实验中，将原始训练集拆分成了train_set、dev_set两个部分，分别包括40 000条和10 000条样本。将data_batch_1到data_batch_4作为训练集，data_batch_5作为验证集，test_batch作为测试集。 最终的数据集构成为：

  • 训练集：40 000条样本。
  • 验证集：10 000条样本。
  • 测试集：10 000条样本。

读取一个batch数据的代码如下所示：

  1. import os
  2. import pickle
  3. import numpy as np
  5. def load_cifar10_batch(folder_path, batch_id=1, mode='train'):
  6.     if mode == 'test':
  7.         file_path = os.path.join(folder_path, 'test_batch')
  8.     else:
  9.         file_path = os.path.join(folder_path, 'data_batch_'+str(batch_id))
  11.     #加载数据集文件
  12.     with open(file_path, 'rb') as batch_file:
  13.         batch = pickle.load(batch_file, encoding = 'latin1')
  15.     imgs = batch['data'].reshape((len(batch['data']),3,32,32)) / 255.
  16.     labels = batch['labels']
  18.     return np.array(imgs, dtype='float32'), np.array(labels)
  20. imgs_batch, labels_batch = load_cifar10_batch(folder_path='datasets/cifar-10-batches-py', 
  21.                                                 batch_id=1, mode='train')

查看数据的维度：

  1. #打印一下每个batch中X和y的维度
  2. print ("batch of imgs shape: ",imgs_batch.shape, "batch of labels shape: ", labels_batch.shape)

batch of imgs shape: (10000, 3, 32, 32) batch of labels shape: (10000,)

可视化观察其中的一张样本图像和对应的标签，代码如下所示：

  1. %matplotlib inline
  2. import matplotlib.pyplot as plt
  4. image, label = imgs_batch[1], labels_batch[1]
  5. print("The label in the picture is {}".format(label))
  6. plt.figure(figsize=(2, 2))
  7. plt.imshow(image.transpose(1,2,0))
  8. plt.savefig('cnn-car.pdf')

2.3　构造Dataset类

构造一个CIFAR10Dataset类，其将继承自

  1. paddle.io.DataSet

类，可以逐个数据进行处理。代码实现如下：

  1. import paddle
  2. import paddle.io as io
  3. from paddle.vision.transforms import Normalize
  5. class CIFAR10Dataset(io.Dataset):
  6.     def __init__(self, folder_path='/home/aistudio/cifar-10-batches-py', mode='train'):
  7.         if mode == 'train':
  8.             #加载batch1-batch4作为训练集
  9.             self.imgs, self.labels = load_cifar10_batch(folder_path=folder_path, batch_id=1, mode='train')
  10.             for i in range(2, 5):
  11.                 imgs_batch, labels_batch = load_cifar10_batch(folder_path=folder_path, batch_id=i, mode='train')
  12.                 self.imgs, self.labels = np.concatenate([self.imgs, imgs_batch]), np.concatenate([self.labels, labels_batch])
  13.         elif mode == 'dev':
  14.             #加载batch5作为验证集
  15.             self.imgs, self.labels = load_cifar10_batch(folder_path=folder_path, batch_id=5, mode='dev')
  16.         elif mode == 'test':
  17.             #加载测试集
  18.             self.imgs, self.labels = load_cifar10_batch(folder_path=folder_path, mode='test')
  19.         self.transform = Normalize(mean=[0.4914, 0.4822, 0.4465], std=[0.2023, 0.1994, 0.2010], data_format='CHW')
  21.     def __getitem__(self, idx):
  22.         img, label = self.imgs[idx], self.labels[idx]
  23.         img = self.transform(img)
  24.         return img, label
  26.     def __len__(self):
  27.         return len(self.imgs)
  29. paddle.seed(100)
  30. train_dataset = CIFAR10Dataset(folder_path='datasets/cifar-10-batches-py', mode='train')
  31. dev_dataset = CIFAR10Dataset(folder_path='datasets/cifar-10-batches-py', mode='dev')
  32. test_dataset = CIFAR10Dataset(folder_path='datasets/cifar-10-batches-py', mode='test')

三、模型构建

使用飞桨高层API中的Resnet18进行图像分类实验。

  1. from paddle.vision.models import resnet18
  3. resnet18_model = resnet18()

飞桨高层 API是对飞桨API的进一步封装与升级，提供了更加简洁易用的API，进一步提升了飞桨的易学易用性。其中，飞桨高层API封装了以下模块：

  1. Model类，支持仅用几行代码完成模型的训练；
  2. 图像预处理模块，包含数十种数据处理函数，基本涵盖了常用的数据处理、数据增强方法；
  3. 计算机视觉领域和自然语言处理领域的常用模型，包括但不限于mobilenet、resnet、yolov3、cyclegan、bert、transformer、seq2seq等等，同时发布了对应模型的预训练模型，可以直接使用这些模型或者在此基础上完成二次开发。

四、模型训练

复用RunnerV3类，实例化RunnerV3类，并传入训练配置。 使用训练集和验证集进行模型训练，共训练30个epoch。 在实验中，保存准确率最高的模型作为最佳模型。代码实现如下：

  1. import paddle.nn.functional as F
  2. import paddle.optimizer as opt
  3. from nndl import RunnerV3, Accuracy
  5. #指定运行设备
  6. use_gpu = True if paddle.get_device().startswith("gpu") else False
  7. if use_gpu:
  8.     paddle.set_device('gpu:0')
  9. #学习率大小
  10. lr = 0.001  
  11. #批次大小
  12. batch_size = 64 
  13. #加载数据
  14. train_loader = io.DataLoader(train_dataset, batch_size=batch_size, shuffle=True)
  15. dev_loader = io.DataLoader(dev_dataset, batch_size=batch_size)
  16. test_loader = io.DataLoader(test_dataset, batch_size=batch_size) 
  17. #定义网络
  18. model = resnet18_model
  19. #定义优化器，这里使用Adam优化器以及l2正则化策略，相关内容在7.3.3.2和7.6.2中会进行详细介绍
  20. optimizer = opt.Adam(learning_rate=lr, parameters=model.parameters(), weight_decay=0.005)
  21. #定义损失函数
  22. loss_fn = F.cross_entropy
  23. #定义评价指标
  24. metric = Accuracy(is_logist=True)
  25. #实例化RunnerV3
  26. runner = RunnerV3(model, optimizer, loss_fn, metric)
  27. #启动训练
  28. log_steps = 3000
  29. eval_steps = 3000
  30. runner.train(train_loader, dev_loader, num_epochs=30, log_steps=log_steps, 
  31.                 eval_steps=eval_steps, save_path="best_model.pdparams")

可视化观察训练集与验证集的准确率及损失变化情况。

  1. from nndl import plot
  3. plot(runner, fig_name='cnn-loss4.pdf')

在本实验中，使用了第7章中介绍的Adam优化器进行网络优化，如果使用SGD优化器，会造成过拟合的现象，在验证集上无法得到很好的收敛效果。可以尝试使用第7章中其他优化策略调整训练配置，达到更高的模型精度。

五、模型评价

使用测试数据对在训练过程中保存的最佳模型进行评价，观察模型在测试集上的准确率以及损失情况。代码实现如下：

  1. # 加载最优模型
  2. runner.load_model('best_model.pdparams')
  3. # 模型评价
  4. score, loss = runner.evaluate(test_loader)
  5. print("[Test] accuracy/loss: {:.4f}/{:.4f}".format(score, loss))

[Test] accuracy/loss: 0.7234/0.8324

六、模型预测¶

同样地，也可以使用保存好的模型，对测试集中的数据进行模型预测，观察模型效果，具体代码实现如下：

  1. #获取测试集中的一个batch的数据
  2. X, label = next(test_loader())
  3. logits = runner.predict(X)
  4. #多分类，使用softmax计算预测概率
  5. pred = F.softmax(logits)
  6. #获取概率最大的类别
  7. pred_class = paddle.argmax(pred[2]).numpy()
  8. label = label[2][0].numpy()
  9. #输出真实类别与预测类别
  10. print("The true category is {} and the predicted category is {}".format(label[0], pred_class[0]))
  11. #可视化图片
  12. plt.figure(figsize=(2, 2))
  13. imgs, labels = load_cifar10_batch(folder_path='/home/aistudio/datasets/cifar-10-batches-py', mode='test')
  14. plt.imshow(imgs[2].transpose(1,2,0))
  15. plt.savefig('cnn-test-vis.pdf')

The true category is 8 and the predicted category is 8

真实是8，预测是8。ship

标签： 深度学习 计算机视觉 人工智能
本文转载自: https://blog.csdn.net/qq_21402983/article/details/126684659
版权归原作者 猿童学 所有， 如有侵权，请联系我们删除。
登录后发布评论

“猿创征文｜深度学习基于ResNet18网络完成图像分类”的评论:

还没有评论
关于作者
...
overfit同步小助手
文章同步
相关阅读

网络安全法-网络运行安全

使用selenium/drissionpage时如何阻止chrome自动跳转http到https

docker desktop 里部署的Open WebUI 管理员密码忘记了的处理方法

在ubuntu20.04中搭建onsite比赛运行环境

利用开源的低代码表单设计器FcDesigner高效管理和渲染复杂表单结构

Kafka学习笔记

【前端】浏览器输入url到页面呈现发生了什么？