摘要： 為了讓文章不那麼枯燥，我構建了一個精靈圖鑑資料集（Pokedex）這都是一些受歡迎的精靈圖。我們在已經準備好的影象資料集上，使用Keras庫訓練一個卷積神經網路（CNN）。

為了讓文章不那麼枯燥，我構建了一個精靈圖鑑資料集（Pokedex）這都是一些受歡迎的精靈圖。我們在已經準備好的影象資料集上，使用Keras庫訓練一個卷積神經網路（CNN）。

深度學習資料集

上圖是來自我們的精靈圖鑑深度學習資料集中的合成圖樣本。我的目標是使用Keras庫和深度學習訓練一個CNN，對Pokedex資料集中的影象進行識別和分類。Pokedex資料集包括：Bulbasaur (234 images)；Charmander

 (238 images)；Squirtle (223 images)；Pikachu (234 images)；Mewtwo (239 images)

訓練影象包括以下組合：電視或電影的靜態幀；交易卡；行動人物；玩具和小玩意兒；圖紙和粉絲的藝術效果圖。

在這種多樣化的訓練影象的情況下，實驗結果證明，CNN模型的分類準確度高達97％！

CNN和Keras庫的專案結構

該專案分為幾個部分，目錄結構如下：

如上圖所示，共分為3個目錄：

1.資料集：包含五個類，每個類都是一個子目錄。

2.示例：包含用於測試卷積神經網路的影象。

3.pyimagesearch模組：包含我們的SmallerVGGNet模型類。

另外，根目錄下有

5個檔案：

1.plot.png：訓練指令碼執行後，生成的訓練/測試準確性和損耗圖。

2.lb.pickle：LabelBinarizer序列化檔案，在類名稱查詢機制中包含類索引。

3.pokedex.model：序列化Keras CNN模型檔案（即“權重檔案”）。

4.train.py：訓練Keras CNN，繪製準確性/損耗函式，然後將卷積神經網路和類標籤二進位制檔案序列化到磁碟。

5.classify.py：測試指令碼。

Keras和CNN架構

我們今天使用的CNN架構，是由Simonyan和Zisserman在2014年的論文“用於大規模影象識別的強深度卷積網路”中介紹的VGGNet網路的簡單版本，結構圖如上圖所示。該網路架構的特點是：

1.只使用3*3的卷積層堆疊在一起來增加深度。

2.使用最大池化來減小陣列大小。

3.網路末端全連線層在softmax分類器之前。

假設你已經在系統上安裝並配置了Keras。如果沒有，請參照以下連線瞭解開發環境的配置教程：

繼續使用SmallerVGGNet——VGGNet的更小版本。在pyimagesearch模組中建立一個名為smallervggnet.py的新檔案，並插入以下程式碼：

注意：在pyimagesearch中建立一個_init_.py檔案，以便Python知道該目錄是一個模組。如果你對_init_.py檔案不熟悉或者不知道如何使用它來建立模組，你只需在原文的“下載”部分下載目錄結構、原始碼、資料集和示例影象。

現在定義SmallerVGGNet類：

該構建方法需要四個引數：

1.width：影象寬度。

2.height ：影象高度。

3.depth ：影象深度。

4.classes ：資料集中類的數量（這將影響模型的最後一層），我們使用了5個Pokemon 類。

注意：我們使用的是深度為3、大小為96 * 96的輸入影象。後邊解釋輸入陣列通過網路的空間維度時，請記住這一點。

由於我們使用的是TensorFlow後臺，因此用“channels last”對輸入資料進行排序；如果想用“channels last”，則可以用程式碼中的23-25行進行處理。

為模型新增層，下圖為第一個CONV => RELU => POOL程式碼塊：

卷積層有32個核心大小為3*3的濾波器，使用RELU啟用函式，然後進行批量標準化。

池化層使用3 *3的池化，將空間維度從96 *96快速降低到32 * 32（輸入影象的大小為96 * 96 * 3的來訓練網路）。

如程式碼所示，在網路架構中使用Dropout。Dropout隨機將節點從當前層斷開，並連線到下一層。這個隨機斷開的過程有助於降低模型中的冗餘——網路層中沒有任何單個節點負責預測某個類、物件、邊或角。

在使用另外一個池化層前，新增（CONV => RELU）* 2層：

在降低輸入陣列的空間維度前，將多個卷積層RELU層堆疊在一起可以學習更豐富的特徵集。

請注意：將濾波器大小從32增加到64。隨著網路的深入，輸入陣列的空間維度越小，濾波器學習到的內容更多；將最大池化層從3*3降低到2*2，以確保不會過快地降低空間維度。在這個過程中再次執行Dropout。

再新增一個(CONV => RELU)* 2 => POOL程式碼塊：

我們已經將濾波器的大小增加到128。對25％的節點執行Droupout以減少過擬合。

最後，還有一組FC => RELU層和一個softmax分類器：

Dense（1024）使用具有校正的線性單位啟用和批量歸一化指定全連線層。

最後再執行一次Droupout——在訓練期間我們Droupout了50％的節點。通常情況下，你會在全連線層在較低速率下使用40-50％的Droupout，其他網路層為10-25％的Droupout。

用softmax分類器對模型進行四捨五入，該分類器將返回每個類別標籤的預測概率值。

CNN + Keras訓練指令碼的實現

既然VGGNet小版本已經實現，現在我們使用Keras來訓練卷積神經網路。

建立一個名為train.py的新檔案，並插入以下程式碼，匯入需要的軟體包和庫：

使用”Agg” matplotlib後臺，以便可以將數字儲存在背景中（第3行）。

ImageDataGenerator類用於資料增強，這是一種對資料集中的影象進行隨機變換（旋轉、剪下等）以生成其他訓練資料的技術。資料增強有助於防止過擬合。

第7行匯入了Adam優化器，用於訓練網路。

第9行的LabelBinarizer是一個重要的類，其作用如下：

1.輸入一組類標籤的集合（即表示資料集中人類可讀的類標籤字串）。

2.將類標籤轉換為獨熱編碼向量。

3.允許從Keras CNN中進行整型類別標籤預測，並轉換為人類可讀標籤。

經常會有讀者問：如何將類標籤字串轉換為整型？或者如何將整型轉換為類標籤字串。答案就是使用LabelBinarizer類。

第10行的train_test_split函式用來建立訓練和測試分叉。

讀者對我自己的imutils包較為了解。如果你沒有安裝或更新，可以通過以下方式進行安裝：

如果你使用的是Python虛擬環境，確保在安裝或升級imutils之前，用workon命令訪問特定的虛擬環境。

我們來解析一下命令列引數：

對於我們的訓練指令碼，有三個必須的引數：

1.--dataset：輸入資料集的路徑。資料集放在一個目錄中，其子目錄代表每個類，每個子目錄約有250個精靈圖片。

2.--model：輸出模型的路徑，將訓練模型輸出到磁碟。

3.--labelbin：輸出標籤二進位制器的路徑。

還有一個可選引數--plot。如果不指定路徑或檔名，那麼plot.png檔案則在當前工作目錄中。

不需要修改第22-31行來提供新的檔案路徑，程式碼在執行時會自行處理。

現在，初始化一些重要的變數：

第35-38行對訓練Keras CNN時使用的重要變數進行初始化：

1.-EPOCHS：訓練網路的次數。

2.-INIT-LR：初始學習速率值，1e-3是Adam優化器的預設值，用來優化網路。

3.-BS：將成批的影象傳送到網路中進行訓練，同一時期會有多個批次，BS值控制批次的大小。

4.-IMAGE-DIMS：提供輸入影象的空間維度數。輸入的影象為96*96*3（即RGB）。

然後初始化兩個列表——data和labels，分別儲存預處理後的影象和標籤。第46-48行抓取所有的影象路徑並隨機擾亂。

現在，對所有的影象路徑ImagePaths進行迴圈：

首先對imagePaths進行迴圈（第51行），再對影象進行載入（第53行），然後調整其大小以適應模型（第54行）。

現在，更新data和labels列表。

呼叫Keras庫的img_to_arry函式，將影象轉換為與Keras庫相容的陣列（第55行），然後將影象新增到名為data的列表中(第56行)。

對於labels列表，我們在第60行檔案路徑中提取出label，並將其新增在第61行。

那麼，為什麼需要類標籤分解過程呢？

考慮到這樣一個事實，我們有目的地建立dataset目錄結構，格式如下：

第60行的路徑分隔符可以將路徑分割成一個數組，然後獲取列表中的倒數第二項——類標籤。

然後進行額外的預處理、二值化標籤和資料分割槽，程式碼如下：

首先將data陣列轉換為NumPy陣列，然後將畫素強度縮放到[0,1]範圍內（第64行），也要將列表中的labels轉換為NumPy陣列（第65行）。列印data矩陣的大小（以MB為單位）。

然後使用scikit-learn庫的LabelBinarzer對標籤進行二進位制化(第70和71行)。

對於深度學習（或者任何機器學習），通常的做法是將訓練和測試分開。第75和76行將訓練集和測試集按照80/20的比例進行分割。

接下來建立影象資料增強物件：

因為訓練資料有限（每個類別的影象數量小於250），因此可以利用資料增強為模型提供更多的影象（基於現有影象），資料增強是一種很重要的工具。

相關推薦