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 tfimport numpy as np复制代码整理两个映射文件，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_stringnode_id_to_name = {}for key, value in node_id_to_uid.items(): node_id_to_name[key] = uid_to_human[value]复制代码加载模型
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='')复制代码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))复制代码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')复制代码分类结果如下
- 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_224和mobilenet_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复制代码此处对于视频中内容的勘误
- 将--output_graph之后的output_graph改为output_graph.pb
- 将--output_labels之后的output_labels改为output_labels.txt
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复制代码然后在浏览器中访问http://localhost:6006，即可看到可视化的效果，包括SCALARS、GRAPHS、DISTRIBUTIONS、HISTOGRAMS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 tfimport numpy as nplabels = []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 graphdef 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_datadef 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, predictions))classify_image('test.jpg')复制代码参考
链接：https://juejin.im/post/5ba258ec5188255c38535a80
|
|
收藏
淘帖
踩
