Advertisement

读书笔记--Deep Learning for Computer Vision with Python（第12章）

阅读量：

文章目录

  • 第十二章 训练你的第一个CNN

    • 一、图像预处理器及加载

      • 1.1 imagetoarraypreprocessor
      • 1.2 simplepreprocessor
      • 1.3 simpledatasetloader
      • 1.4 这些预处理程序的作用

    • 二、很浅的CNN - ShallowNet

      • 2.1 ShallowNet
      • 2.2 ShallowNet用在Animals数据集上

第十二章 训练你的第一个CNN

【概述】本章的目标有两个
一、搭建一个图像预处理器。其功能是：将输入图像转换为Keras可以直接使用的Numpy数组。
二、搭建一个CNN。其特点是只有一层（慢慢来）。

一、图像预处理器及加载

1.1 imagetoarraypreprocessor

话不多说直接分析代码啦。

复制代码 
    from keras.preprocessing.image import img_to_array
    
    class ImageToArrayPreprocessor:
    def __init__(self, dataFormat=None):
        self.dataFormat = dataFormat
    
    def preprocess(self, image):
        return img_to_array(image, data_format=self.dataFormat)

逐段分析：

复制代码 
    def __init__(self, dataFormat=None):
        self.dataFormat = dataFormat

构造函数接受名为dataFormat的可选参数。此值默认为None，可以使用channels_first或channels_last字符串，但最好让Keras根据配置文件选择要使用的图像维度排序。

复制代码 
    def preprocess(self, image):
        return img_to_array(image, data_format=self.dataFormat)

此段的功能：
1.接受一个图像作为输入
2.调用 img_to_array ，并且指定是channels_first或channels_last
3.按channels_first或channels_last返回一个 numpy 数组

1.2 simplepreprocessor

这个预处理器在前几章，但是我比较懒。。。然后以后可能也要用到这个预处理器，所以就放到这章了。
代码如下：

复制代码 
    import cv2
    
    class SimplePreprocessor:
    	def __init__(self, width, height, inter=cv2.INTER_AREA):
    		self.width = width
    		self.height = height
    		self.inter = inter
    
    	def preprocess(self, image):
    		return cv2.resize(image, (self.width, self.height),
    			interpolation=self.inter)

这个预处理器的功能是：将缩放输入图像的大小。逐段分析：

复制代码 
    	def __init__(self, width, height, inter=cv2.INTER_AREA):
    		self.width = width
    		self.height = height
    		self.inter = inter

构造函数接受宽度和高度两个参数，即输出图像的宽度和高度。最后一个inter参数是插值方法，默认为cv2.INTER_AREA，插值方法总共有5种：

１、INTER_NEAREST - 最近邻插值法
２、INTER_LINEAR - 双线性插值法
３、INTER_AREA - 基于局部像素的重采样（resampling using pixel area relation）。对于图像抽取（image decimation）来说，这可能是一个更好的方法。但如果是放大图像时，它和最近邻法的效果类似。
４、INTER_CUBIC - 基于4x4像素邻域的3次插值法
５、INTER_LANCZOS4 - 基于8x8像素邻域的Lanczos插值

复制代码 
    	def preprocess(self, image):
    		return cv2.resize(image, (self.width, self.height),
    			interpolation=self.inter)

调用 cv2.resize 将输入图像缩放，最后输出缩放后的图像。

1.3 simpledatasetloader

直接上代码：

复制代码 
    import numpy as np
    import cv2
    import os
    
    class SimpleDatasetLoader:
    	def __init__(self, preprocessors=None):
    		self.preprocessors = preprocessors
    		if self.preprocessors is None:
    			self.preprocessors = []
    
    	def load(self, imagePaths, verbose=-1):
    		data = []
    		labels = []
    		for (i, imagePath) in enumerate(imagePaths):
    			image = cv2.imread(imagePath)
    			label = imagePath.split(os.path.sep)[-2]
    			if self.preprocessors is not None:
    				for p in self.preprocessors:
    					image = p.preprocess(image)
    			data.append(image)
    			labels.append(label)
    			if verbose > 0 and i > 0 and (i + 1) % verbose == 0:
    				print("[INFO] processed {}/{}".format(i + 1, len(imagePaths)))
    
    		return (np.array(data), np.array(labels))

这段代码是从磁盘加载图像，并将加载的图像做处理。

复制代码 
    	def __init__(self, preprocessors=None):
    		self.preprocessors = preprocessors
    		if self.preprocessors is None:
    			self.preprocessors = []

构造函数接受preprocessors参数，该参数是预处理函数，默认值是None，如果没有预处理的话preprocessors就为空。

复制代码 
    	def load(self, imagePaths, verbose=-1):
    		data = []
    		labels = []
    		for (i, imagePath) in enumerate(imagePaths):
    			image = cv2.imread(imagePath)
    			label = imagePath.split(os.path.sep)[-2]
    			if self.preprocessors is not None:
    				for p in self.preprocessors:
    					image = p.preprocess(image)
    			data.append(image)
    			labels.append(label)
    			if verbose > 0 and i > 0 and (i + 1) % verbose == 0:
    				print("[INFO] processed {}/{}".format(i + 1, len(imagePaths)))
    
    		return (np.array(data), np.array(labels))

load函数接受数据集的路径作为传入参数，数据集路径格式…/cat/cat.jpg或者…/dog/dog.jpg，lable可以直接从路径中得到，如果preprocessors非空的话，依次对图像进行预处理。

1.4 这些预处理程序的作用

乍看上去，这两个预处理操作是在干嘛呀，代码这么长，功能这么简单，每个预处理程序就调用了一个函数，我直接在程序里调用 img_to_array和cv2.resize不就行了吗？
直接调用当然可以，但是这么做的好处是：我们可以从硬盘加载数据集时将预处理器链接在一起。
例如，假设我们希望将所有输​​入图像的大小调整为32：
sp = SimplePreprocessor(32, 32)
调整大小之后，又想让图像转换成channels_first或channels_last的 numpy 数组：
iap = ImageToArrayPreprocessor()
现在，假设我们希望从磁盘加载图像数据集并预处理数据集中的所有图像。

复制代码 
    sdl = SimpleDatasetLoader(preprocessor=[sp, iap])
    (data, labels) = sdl.load(imagePaths, verbose=500)

上一段代码完成的任务是：按SimplePreprocessor、ImageToArrayPreprocessor的顺序处理从磁盘中读取的图片数据，输出对应的numpy数组。这样看起来代码简洁多了，并且下次再用直接调用也很方便。
预处理过程

二、很浅的CNN - ShallowNet

【概述】本章的网络结构为：INPUT -> CONV -> RELU -> FC。该网络实现后将用于Animals和CIFAR-10数据集。

2.1 ShallowNet

直接上代码：

复制代码 
    from keras.models import Sequential
    from keras.layers.convolutional import Conv2D
    from keras.layers.core import Activation
    from keras.layers.core import Flatten
    from keras.layers.core import Dense
    from keras import backend as K
    
    # Input => CONV => RELU => FC
    class ShallowNet:
    @staticmethod
    def build(width, height, depth, classes):
        model = Sequential()
        inputShape = (height, width, depth)
        if K.image_data_format() == "channels_first":
            inputShape = (depth, height, width)
    
        # define the first (and only) CONV => RELU layer
        model.add(Conv2D(32, (3, 3), padding="same",input_shape=inputShape))
    
        model.add(Activation("relu"))
        model.add(Flatten())
        model.add(Dense(classes))
        model.add(Activation("softmax"))
    
        return model

该段代码实现的是INPUT -> CONV -> RELU -> FC的网络结构。
分段分析：
@staticmethod参见 staticmethod

复制代码 
    class ShallowNet:
    @staticmethod
    def build(width, height, depth, classes):
        model = Sequential()
        inputShape = (height, width, depth)
        if K.image_data_format() == "channels_first":
            inputShape = (depth, height, width)

该段定义构建方法，该方法接受四个参数：输入图像的宽、高、深度、类别的总数（对CIFAR-10来说，classes=10）
倒数后三行是为了保证输入数据的shape与Keras backend的一致（channels last或者channels first）。

复制代码 
        model.add(Conv2D(32, (3, 3), padding="same",input_shape=inputShape))
        model.add(Activation("relu"))
        model.add(Flatten())
        model.add(Dense(classes))
        model.add(Activation("softmax"))

首先，定义第一层卷积层，这一层用32个滤波器，每个滤波器的大小为3x3，还应用了same padding（对于此例子来说不是必须的，但是一开始就养成这个好习惯很必要）；
其次，添加relu层；
然后，将网络展平；
然后，应用全连接层；
最后，用softmax分类。

2.2 ShallowNet用在Animals数据集上

复制代码 
    from sklearn.preprocessing import LabelBinarizer
    from sklearn.model_selection import train_test_split
    from sklearn.metrics import classification_report
    from pyimagesearch.preprocessing import ImageToArrayPreprocessor
    from pyimagesearch.preprocessing import SimplePreprocessor
    from pyimagesearch.datasets import SimpleDatasetLoader
    from CNN_shallownet import ShallowNet
    from keras.optimizers import SGD
    from imutils import paths
    import matplotlib.pyplot as plt
    import numpy as np
    import argparse
    
    ap = argparse.ArgumentParser()
    ap.add_argument("-d", "--dataset", required=True,
                help="path to input dataset")
    args = vars(ap.parse_args())    # 用vars将ap.parse_args()变成字典
    
    print('[INFO] loading images...')
    imagePaths = list(paths.list_images(args["dataset"]))   # 列出dataset路径下的所有图像路径
    sp = SimplePreprocessor(32, 32)
    iap = ImageToArrayPreprocessor()
    
    sdl = SimpleDatasetLoader(preprocessors=[sp, iap])
    (data, labels) = sdl.load(imagePaths, verbose=500)
    data = data.astype("float") / 255.0
    
    (trainX, testX, trainY, testY) = train_test_split(data, labels, test_size=0.25, random_state=42)		#划分训练和测试集
    
    trainY = LabelBinarizer().fit_transform(trainY)
    testY = LabelBinarizer().fit_transform(testY)
    
    print("[INFO] compiling model...")
    opt = SGD(lr=0.005)
    model = ShallowNet.build(width=32, height=32, depth=3, classes=3)		#创建ShallowNet
    model.compile(loss='categorical_crossentropy', optimizer=opt,  metrics=['accuracy'])		#编译模型，采用随机梯度下降法优化
    
    print('[INFO] training network...')
    H = model.fit(trainX, trainY, validation_data=(testX, testY), batch_size=32, epochs=100, verbose=1)		#训练模型
    
    print('[INFO] evaluating network...' )			#评价模型
    prediations = model.predict(testX, batch_size=32)
    print(classification_report(testY.argmax(axis=1),
        prediations.argmax(axis=1),
        target_names=['cat', 'dog', 'panda']))

argparse的简单介绍：argparse

全部评论 (0)

还没有任何评论哟~

相关文章推荐

读书笔记--Deep Learning for Computer Vision with Python（第12章）

文章目录 第十二章训练你的第一个CNN 一、图像预处理器及加载 1.1imagetoarraypreprocessor 1.2simplepreprocessor 1.3simpledatasetlo...

Deep Learning for Computer Vision with Python

三个模块解读 几个比较刷新认知的点： 0\.介绍 0.1书本类容 0.2工具 1\.StarterBundle 图像基础 图像构成的基础：像素pixel ForminganImageFromChann...

Deep Learning for Computer Vision with PyTorch: Transfe

作者：禅与计算机程序设计艺术 1.简介 近几年，深度学习（DeepLearning）在图像、文本、声音等领域都取得了非常大的进步。受到硬件的飞速发展、开源框架如PyTorch的普及，以及数据量的增加等...

Deep Learning for Computer Vision 课程笔记

DeepLearningforComputerVision课程笔记 Lecture1 计算机视觉ComputerVision和机器学习MachineLearning都属于人工智能ArtificialI...

第四篇Deep Learning for Computer Vision: A Comprehensive R

作者：禅与计算机程序设计艺术 1.简介 Deeplearninghasbecomeanincreasinglypopularfieldinthecomputervisionandnaturallang...

计算机视觉Computer Vision课程学习笔记七之Deep Learning for Computer Vision

第十一章讲了深度学习的一些基础概念后面的网络模型我没放进来 DeepLearning 激活函数

【深度学习（deep learning）】花书第12章 应用 读书笔记

暂无描述

深度学习讲座笔记：Deep Learning for Computer Vision - Andrej Karpathy at Bay Area Deep Learning School

视频地址： Day1: http://v.youku.com/vshow/idXMTczNzYxNjg5Ng== Day2: http://v.youku.com/vshow/idXMTczODc2O...

论文笔记-A survey on deep multimodal learning for computer vision: advances, trends, applications

Asurveyondeepmultimodallearningforcomputervision:advances,trends,applications 摘要 Introduction Compar...

Learning Deep Architectures for AI 读书笔记

LearningDeepArchitecturesforAI读书笔记 Chapter2 一个函数称之为紧凑的【compact】如果它有比较少的计算单元【比如神经网络中的一个个结点】； 如果一个函数能够...