卷积神经网络实现多个数字识别

数据集：MNIST
框架：Keras
显卡：NVIDIA GEFORCE 750M
参考：Keras中文文档

这是优达学城的深度学习项目，数据集和需求都很简单，关键是为了熟悉框架的使用以及项目搭建的套路，只要用很简单的卷积神经网络就能实现，准确率轻轻松松就能上90%。

需求描述

随机从MNIST数据集中选择5个或5个以下的数字，拼成一张图片，如下图所示。搭建一个模型，识别图片中的数字，空白字符的类型为0。

项目实战

载入数据集

keras有

from keras.datasets import mnist

(X_raw, y_raw), (X_raw_test, y_raw_test) = mnist.load_data()

n_train, n_test = X_raw.shape[0], X_raw_test.shape[0]

查看数据集

import matplotlib.pyplot as plt
import random

%matplotlib inline
%config InlineBackend.figure_format = 'retina'

for i in range(15):
    plt.subplot(3, 5, i+1)
    index = random.randint(0, n_train-1)
    plt.title(str(y_raw[index]))
    plt.imshow(X_raw[index], cmap='gray')
    plt.axis('off')

合成数据

载入数据集的时候将数据集分成了训练集X_raw和测试集X_test，这里需要从X_raw中随机选取数字，然后拼成新的图片，并将20%设为验证集，防止模型过拟合。
注意：数字的长度不一定为5，不到5的以空白填充，最终图片高28长28x5=140
- 为什么将数据分成训练集、验证集和测试集？
训练集是用来训练模型的；验证集是用来对训练的模型进行进一步调参优化，如果使用测试集验证，网络就会记住测试集，容易使模型过拟合；测试集用来测试模型表现。

难点：
原图是28x28，拼成28x140，原来一行有28，现在一行有140，是每行做的append，用list.append效率会很低，用矩阵转置就会很快。

import numpy as np
from sklearn.model_selection import train_test_split

n_class, n_len, width, height = 11, 5, 28, 28

def generate_dataset(X, y):
    X_len = X.shape[0] # 原数据集有几个，新数据集还要有几个
    # 新数据集的shape为(X_len, 28, 28*5, 1)，X_len是X的个数，原数据集是28x28，取5个数字(包含空白)拼接，则为28x140, 1是颜色通道，灰度图，所以是1
    X_gen = np.zeros((X_len, height, width*n_len, 1), dtype=np.uint8)
    # 新数据集对应的label，最终的shape为（5,  X_len，11）
    y_gen = [np.zeros((X_len, n_class), dtype=np.uint8) for i in range(n_len)]

    for i in range(X_len):
        # 随机确定数字长度
        rand_len = random.randint(1, 5)
        lis = list()
        # 设置每个数字
        for j in range(0, rand_len):
            # 随机找一个数
            index = random.randint(0, X_len - 1)
            # 将对应的y置1, y是经过onehot编码的，所以y的第三维是11，0~9为10个数字，10为空白，哪个索引为1就是数字几
            y_gen[j][i][y[index]] = 1
            lis.append(X[index].T)
        # 其余位取空白    
        for m in range(rand_len, 5):
            # 将对应的y置1
            y_gen[m][i][10] = 1
            lis.append(np.zeros((28, 28),dtype=np.uint8))
        lis = np.array(lis).reshape(140,28).T

        X_gen[i] = lis.reshape(28,140,1)

    return X_gen, y_gen
X_raw_train, X_raw_valid, y_raw_train, y_raw_valid = train_test_split(X_raw, y_raw, test_size=0.2, random_state=50)

X_train, y_train = generate_dataset(X_raw_train, y_raw_train)
X_valid, y_valid = generate_dataset(X_raw_valid, y_raw_valid)
X_test, y_test = generate_dataset(X_raw_test, y_raw_test)

显示合成的图片

# 显示生成的图片
for i in range(15):
    plt.subplot(5, 3, i+1)
    index = random.randint(0, n_test-1)
    title = ''
    for j in range(n_len):
        title += str(np.argmax(y_test[j][index])) + ','

    plt.title(title)
    plt.imshow(X_test[index][:,:,0], cmap='gray')
    plt.axis('off')

CNN搭建

使用了keras的函数式模型，很方便，可以参考官方文档。
由于数据集比较简答，所以随便一个网络结构都能有不错的表现，我用的是两层卷机模型，卷积层、最大池化层、卷积层、最大池化层，然后两个全连接层。

from keras.models import Model
from keras.layers import *
import tensorflow as tf

# This returns a tensor
inputs = Input(shape=(28, 140, 1))

conv_11 = Conv2D(filters= 32, kernel_size=(5,5), padding='Same', activation='relu')(inputs)
max_pool_11 = MaxPool2D(pool_size=(2,2))(conv_11)
conv_12 = Conv2D(filters= 10, kernel_size=(3,3), padding='Same', activation='relu')(max_pool_11)
max_pool_12 = MaxPool2D(pool_size=(2,2), strides=(2,2))(conv_12)
flatten11 = Flatten()(max_pool_12)
hidden11 = Dense(15, activation='relu')(flatten11)
prediction1 = Dense(11, activation='softmax')(hidden11)

hidden21 = Dense(15, activation='relu')(flatten11)
prediction2 = Dense(11, activation='softmax')(hidden21)

hidden31 = Dense(15, activation='relu')(flatten11)
prediction3 = Dense(11, activation='softmax')(hidden31)

hidden41 = Dense(15, activation='relu')(flatten11)
prediction4 = Dense(11, activation='softmax')(hidden41)

hidden51 = Dense(15, activation='relu')(flatten11)
prediction5 = Dense(11, activation='softmax')(hidden51)

model = Model(inputs=inputs, outputs=[prediction1,prediction2,prediction3,prediction4,prediction5])

model.compile(optimizer='rmsprop',
              loss='categorical_crossentropy',
              metrics=['accuracy'])

可视化网络

依赖 pydot-ng 和 graphviz，若出现错误，用命令行输入pip install pydot-ng & brew install graphviz
windows需要安装一下graphviz，配置一下环境

from keras.utils.vis_utils import plot_model, model_to_dot
from IPython.display import Image, SVG

SVG(model_to_dot(model).create(prog='dot', format='svg'))

训练模型

训练20代，如果验证集上的准确率连续两次没有提高，就减小学习率。显卡不是很好，但依然很快，大概20分钟左右就学好了。

from keras.callbacks import ReduceLROnPlateau

learnrate_reduce_1 = ReduceLROnPlateau(monitor='val_dense_2_acc', patience=2, verbose=1,factor=0.8, min_lr=0.00001)
learnrate_reduce_2 = ReduceLROnPlateau(monitor='val_dense_4_acc', patience=2, verbose=1,factor=0.8, min_lr=0.00001)
learnrate_reduce_3 = ReduceLROnPlateau(monitor='val_dense_6_acc', patience=2, verbose=1,factor=0.8, min_lr=0.00001)
learnrate_reduce_4 = ReduceLROnPlateau(monitor='val_dense_8_acc', patience=2, verbose=1,factor=0.8, min_lr=0.00001)
learnrate_reduce_5 = ReduceLROnPlateau(monitor='val_dense_10_acc', patience=2, verbose=1,factor=0.8, min_lr=0.00001)

model.fit(X_train, y_train, epochs=20, batch_size=128,
          validation_data=(X_valid, y_valid), 
         callbacks=[learnrate_reduce_1,learnrate_reduce_2,learnrate_reduce_3,learnrate_reduce_4,learnrate_reduce_5])

计算模型准确率

5个数字全部识别正确为正确，错一个即为错。可以用循环一一比对，我这里用了些概率论知识，因为都是独立事件，所以5个数字的准确率乘起来就是模型准确率。

def evaluate(model):
    # TODO: 按照错一个就算错的规则计算准确率.
    result = model.evaluate(np.array(X_test).reshape(len(X_test),28,140,1), [y_test[0], y_test[1], y_test[2], y_test[3], y_test[4]], batch_size=32)
    return result[6] * result[7] * result[8] * result[9] * result[10]

evaluate(model)

最后可以得到0.9476的正确率。

预测值可视化

def get_result(result):
    # 将 one_hot 编码解码
    resultstr = ''
    for i in range(n_len):
        resultstr += str(np.argmax(result[i])) + ','
    return resultstr

index = random.randint(0, n_test-1)
y_pred = model.predict(X_test[index].reshape(1,28,140,1))

plt.title('real: %s\npred:%s'%(get_result([y_test[x][index] for x in range(n_len)]), get_result(y_pred)))
plt.imshow(X_test[index,:,:,0], cmap='gray')
plt.axis('off')

保存模型

model.save('model.h5')

---

以上内容来自822实验室神经网络知识分享
我们的822，我们的青春
欢迎所有热爱知识热爱生活的朋友和822思享实验室一起成长，吃喝玩乐，享受知识。