教程 | 图像分类: Caltech 256数据集

摘要：在该数据集中，图片被分为类，每个类别的图片超过张。这样做是为了减小图片的范围，使得图片的特征更易于学习。为了在数据集上获得更高的准确率，读者可尝试取消冻结参数的设置，使得卷积层也参与训练。

Caltech 256是什么？

Caltech 256数据集是加利福尼亚理工学院收集整理的数据集，该数据集选自Google Image数据集，并手工去除了不符合其类别的图片。在该数据集中，图片被分为256类，每个类别的图片超过80张。

为什么要用Densenet121模型？

本项目使用在PyTorch框架下搭建的神经网络来完成图片分类的任务。由于网络输出的类别数量很大，简单的网络模型无法达到很好的分类效果，因此，本项目使用了预训练的Densenet121模型，并仅训练全连接层的参数。

项目流程：
1.数据处理
   2.Densenet模型解读
   3.加载预训练网络模型
   4.训练神经网络

首先从指定路径读取图像，将图像大小更改为224*224，并将图片范围从0-255改为0-1：

from PIL import Image
image= Image.open(path)
image=image.resize((224,224))
x_data= x_data.astype(numpy.float32)
x_data= numpy.multiply(x_data, 1.0/255.0)  
## scale to [0,1] from [0,255]

由于此数据集中有少量图片的色彩是单通道的，而神经网络的输入需要为三个通道，因此，将该通道的数据复制到三个通道上：

if len(x_data.shape)!=3:
temp=numpy.zeros
((x_data.shape[0],x_data.shape[1],3))
temp[:,:,0] = x_data
temp[:,:,1] = x_data
temp[:,:,2] = x_data
x_data= temp
x_data=numpy.transpose(x_data,(2,0,1)) 
## reshape 

在上述步骤之后，对图片进行白化，即让像素点的平均值为0，方差为1。这样做是为了减小图片的范围，使得图片的特征更易于学习。白化的过程如下所示：

if x_train is not None:
  x_train[:,0,:,:] = (x_train[:,0,:,:]-0.485)/0.229
  x_train[:,1,:,:] = (x_train[:,1,:,:]-0.456)/0.224
  x_train[:,2,:,:] = (x_train[:,2,:,:]-0.406)/0.225

if x_test is not None:
 x_test[:,0,:,:] = (x_test[:,0,:,:] -0.485) /0.229
 x_test[:,1,:,:] = (x_test[:,1,:,:] -0.456) /0.224
 x_test[:,2,:,:] = (x_test[:,2,:,:] -0.406) /0.225

DenseNet的网络结构如下图所示。在传统的CNN中，每个卷积层只与其相邻的卷积层相连接，这就造成了位于网络浅层的参数在反向传播中获取的梯度非常小，也就是梯度消失问题。

DenseNet设计了名为Dense Block的特殊的网络结构，在一个Dense Block中，每个层的输入为前面所有层的输出，这也正是Dense的含义。通过这种方法，在反向传播中，网络浅层的参数可以从后面所有层中获得梯度，在很大程度上减弱了梯度消失的问题。值得注意的是，每个层只与同位于一个Dense Block中的多个层有连接，而与Dense Block外的层是没有连接的。

torchvision是服务于PyTorch框架的，用于进行图片处理和生成一些主流模型的库。使用该库可以方便的加载PyTorch的预训练模型。首先使用pip安装torchvision库：

pip install torchvision

创建densenet121模型实例，并加载预训练参数：

cnn = torchvision.models.densenet121
(pretrained = True) 
#pretrained =True即为加载预训练参数，默认不加载。

冻结所有模型参数，使其值在反向传播中不改变：

for param in cnn.parameters():
    param.requires_grad= False

改变模型全连接层输出的个数为256：

num_features= cnn.classifier.in_features
cnn.classifier= nn.Linear(num_features, 256)

此处不需要担心新建的全连接层参数会被冻结，因为新建的层参数是默认获取梯度的。

损失函数选择CrossEntropy，优化器选择Adam：

optimizer= Adam(cnn.parameters(), lr=0.001, betas=(0.9, 0.999))  # 选用AdamOptimizer
loss_fn= nn.CrossEntropyLoss()  # 定义损失函数

下面是完整的训练过程：

# 训练并评估模型
data= Dataset()
model= Model(data)

best_accuracy= 0
foriinrange(args.EPOCHS):
   cnn.train()
   x_train, y_train, x_test, y_test= data.next_batch(args.BATCH)  # 读取数据

   x_train= torch.from_numpy(x_train)
   y_train= torch.from_numpy(y_train)
   x_train= x_train.float()

   x_test= torch.from_numpy(x_test)
   y_test= torch.from_numpy(y_test)
   x_test= x_test.float()
   
   ifcuda_avail:
       x_train= Variable(x_train.cuda())
       y_train= Variable(y_train.cuda())
       x_test= Variable(x_test.cuda())
       y_test= Variable(y_test.cuda())
       
   outputs= cnn(x_train)
   _, prediction= torch.max(outputs.data, 1)
   
   optimizer.zero_grad()

   # calculate the loss according to labels
   loss= loss_fn(outputs, y_train)
   # backward transmit loss
   loss.backward()

   # adjust parameters using Adam
   optimizer.step()

   # 若测试准确率高于当前最高准确率，则保存模型
   train_accuracy= eval(model, x_test, y_test)
   iftrain_accuracy>best_accuracy:
       best_accuracy= train_accuracy
       model.save_model(cnn, MODEL_PATH, overwrite=True)
       print("step %d, best accuracy %g"%(i, best_accuracy))

   print(str(i) +"/"+str(args.EPOCHS))

本文主要讲解了DenseNet的网络结构，以及在PyTorch框架下如何加载预训练模型并进行fine-tuning。为了在数据集上获得更高的准确率，读者可尝试取消冻结参数的设置，使得卷积层也参与训练。

获取相关项目代码 请访问：https://www.flyai.com/d/Calte...

— END —