07 | Inception-v3图片分类

简介

Inception-v3是由Google提出,用于实现ImageNet大规模视觉识别任务(ImageNet Large Visual Recognition Challenge)的一种神经网络

Inception-v3反复使用了Inception Block,涉及大量的卷积和池化,而ImageNet包括1400多万张图片,类别数超过1000

因此手动在ImageNet上训练Inception-v3,需要耗费大量的资源和时间

这里我们选择加载pre-trained的Inception-v3模型,来完成一些图片分类任务

准备

预训练好的模型共包括三个部分

  • classify_image_graph_def.pb:Inception-v3模型结构和参数
  • imagenet_2012_challenge_label_map_proto.pbtxt:从类别编号到类别字符串的对应关系
  • imagenet_synset_to_human_label_map.txt:从类别字符串到类别名的对应关系

例如,169对应n02510455,对应giant panda, panda, panda bear, coon bear, Ailuropoda melanoleuca

图片分类

加载库

# -*- coding: utf-8 -*-

import tensorflow as tf
import numpy as np

整理两个映射文件,得到从类别编号到类别名的对应关系

uid_to_human = {}
for line in tf.gfile.GFile('imagenet_synset_to_human_label_map.txt').readlines():
    items = line.strip().split('\t')
    uid_to_human[items[0]] = items[1]

node_id_to_uid = {}
for line in tf.gfile.GFile('imagenet_2012_challenge_label_map_proto.pbtxt').readlines():
    if line.startswith('  target_class:'):
        target_class = int(line.split(': ')[1])
    if line.startswith('  target_class_string:'):
        target_class_string = line.split(': ')[1].strip('\n').strip('\"')
        node_id_to_uid[target_class] = target_class_string

node_id_to_name = {}
for key, value in node_id_to_uid.items():
    node_id_to_name[key] = uid_to_human[value]

加载模型

def create_graph():
    with tf.gfile.FastGFile('classify_image_graph_def.pb', 'rb') as f:
        graph_def = tf.GraphDef()
        graph_def.ParseFromString(f.read())
        _ = tf.import_graph_def(graph_def, name='')

定义一个分类图片的函数

def classify_image(image, top_k=1):
    image_data = tf.gfile.FastGFile(image, 'rb').read()

    create_graph()

    with tf.Session() as sess:
        # 'softmax:0': A tensor containing the normalized prediction across 1000 labels
        # 'pool_3:0': A tensor containing the next-to-last layer containing 2048 float description of the image
        # 'DecodeJpeg/contents:0': A tensor containing a string providing JPEG encoding of the image
        softmax_tensor = sess.graph.get_tensor_by_name('softmax:0')
        predictions = sess.run(softmax_tensor, feed_dict={'DecodeJpeg/contents:0': image_data})
        predictions = np.squeeze(predictions)

        top_k = predictions.argsort()[-top_k:]
        for node_id in top_k:
            human_string = node_id_to_name[node_id]
            score = predictions[node_id]
            print('%s (score = %.5f)' % (human_string, score))

调用函数进行图片分类,指定参数top_k可以返回最可能的多种分类结果

classify_image('test1.png')

分类结果如下

  • test1:giant panda, panda, panda bear, coon bear, Ailuropoda melanoleuca (score = 0.89107)

  • test2:Pekinese, Pekingese, Peke (score = 0.90348)

  • test3:Samoyed, Samoyede (score = 0.92054)

定制分类任务

Inception-v3是针对ImageNet图片分类任务设计的,因此最后一层全连接层的神经元个数和分类标签个数相同

如果需要定制分类任务,只需要使用自己的标注数据,然后替换掉最后一层全连接层即可

最后一层全连接层的神经元个数等于定制分类任务的标签个数,模型只训练最后一层的参数,其他参数保持不变

保留了Inception-v3对于图像的理解和抽象能力,同时满足定制的分类任务,属于迁移学习的一种典型应用场景

TensorFlow官方提供了如何在Inception-v3上进行迁移学习的教程

www.tensorflow.org/tutorials/i…

所使用的数据包括五种花的拍摄图片

  • daisy:雏菊
  • dandelion:蒲公英
  • roses:玫瑰
  • sunflowers:向日葵
  • tulips:郁金香

去掉最后一层全连接层后,对于一张图片输入,模型输出的表示称作Bottleneck

事先计算好全部图片的Bottleneck并缓存下来,可以节省很多训练时间,因为后续只需计算和学习Bottleneck到输出标签之间的隐层即可

TensorFlow官方提供了重训练的代码

github.com/tensorflow/…

在命令行中使用,一些可选的命令行参数包括

  • --image_dir:训练图片目录
  • --output_graph:模型保存目录
  • --output_labels:模型标签保存目录
  • --summaries_dir:模型日志保存目录
  • --how_many_training_steps:训练迭代次数,默认为4000
  • --learning_rate:学习率,默认为0.01
  • --testing_percentage:测试集比例,默认为10%
  • --validation_percentage:校验集比例,默认为10%
  • --eval_step_interval:模型评估频率,默认10次迭代评估一次
  • --train_batch_size:训练批大小,默认为100
  • --print_misclassified_test_images:是否输出所有错误分类的测试集图片,默认为False
  • --model_dir:Inception-v3模型路径
  • --bottleneck_dir:Bottleneck缓存目录
  • --final_tensor_name:新增的最后一层全连接层的名称,默认为`final_result``
  • `--flip_left_right:是否随机将一半的图片水平翻转,默认为False
  • --random_crop:随机裁剪的比例,默认为0即不裁剪
  • --random_scale:随机放大的比例,默认为0即不放大
  • --random_brightness:随机增亮的比例,默认为0即不增亮
  • --architecture:迁移的模型,默认为inception_v3,准确率最高但训练时间较长,还可以选'mobilenet_<parameter size>_<input_size>[_quantized]',例如mobilenet_1.0_224mobilenet_0.25_128_quantized

跑一下代码

python retrain.py --image_dir flower_photos --output_graph output_graph.pb --output_labels output_labels.txt --summaries_dir summaries_dir --model_dir .. --bottleneck_dir bottleneck_dir

在校验集、测试集上的分类准确率分别为91%、91.2%

在我的笔记本上一共花了55分钟,其中44分钟花在了Bottleneck缓存上,但如果不缓存的话,训练过程中每次迭代都必须重复计算一遍

summaries_dir目录下的训练日志可用于TensorBorad可视化

tensorboard --logdir summaries_dir

然后在浏览器中访问http://localhost:6006,即可看到可视化的效果,包括SCALARSGRAPHSDISTRIBUTIONSHISTOGRAMS四个页面

如果需要完成其他图片分类任务,整理相应的标注图片,并以标签名作为子文件夹名称即可

如果要使用训练好的模型,参照以下代码即可

  • output_labels.txt:分类类别文件路径
  • output_graph.pb:训练好的模型路径
  • read_image():读取图片的函数
  • input_operation:图片输入对应的operation
  • output_operation:分类输出对应的operation
  • test.jpg:待分类的图片路径
# -*- coding: utf-8 -*-

import tensorflow as tf
import numpy as np

labels = []
for line in tf.gfile.GFile('output_labels.txt').readlines():
    labels.append(line.strip())

def create_graph():
    graph = tf.Graph()
    graph_def = tf.GraphDef()
    with open('output_graph.pb', 'rb') as f:
        graph_def.ParseFromString(f.read())
    with graph.as_default():
        tf.import_graph_def(graph_def)
    return graph

def read_image(path, height=299, width=299, mean=128, std=128):
    file_reader = tf.read_file(path, 'file_reader')
    if path.endswith('.png'):
        image_reader = tf.image.decode_png(file_reader, channels=3, name='png_reader')
    elif path.endswith('.gif'):
        image_reader = tf.squeeze(tf.image.decode_gif(file_reader, name='gif_reader'))
    elif path.endswith('.bmp'):
        image_reader = tf.image.decode_bmp(file_reader, name='bmp_reader')
    else:
        image_reader = tf.image.decode_jpeg(file_reader, channels=3, name='jpeg_reader')
    image_np = tf.cast(image_reader, tf.float32)
    image_np = tf.expand_dims(image_np, 0)
    image_np = tf.image.resize_bilinear(image_np, [height, width])
    image_np = tf.divide(tf.subtract(image_np, [mean]), [std])
    sess = tf.Session()
    image_data = sess.run(image_np)
    return image_data

def classify_image(image, top_k=1):
    image_data = read_image(image)

    graph = create_graph()

    with tf.Session(graph=graph) as sess:
        input_operation = sess.graph.get_operation_by_name('import/Mul')
        output_operation = sess.graph.get_operation_by_name('import/final_result')
        predictions = sess.run(output_operation.outputs[0], feed_dict={input_operation.outputs[0]: image_data})
        predictions = np.squeeze(predictions)

        top_k = predictions.argsort()[-top_k:]
        for i in top_k:
            print('%s (score = %.5f)' % (labels[i], predictions[i]))

classify_image('test.jpg')

参考

Deep Learning with Tensorflow Part 2 - Image classification:towardsdatascience.com/deep-learni…

Going deeper with convolutions:arxiv.org/pdf/1409.48…

ImageNet:image-net.org/

Image Recognition:www.tensorflow.org/tutorials/i…

How to Retrain Inception's Final Layer for New Categories:www.tensorflow.org/tutorials/i…

卷积神经网络 - 吴恩达深度学习微专业 - 网易云课堂mooc.study.163.com/learn/20012…

results matching ""

    No results matching ""