计算机视觉学习——李飞飞斯坦福大学计算机视觉公开课cs231n 图像分类 实现

经过一系列的计算机视觉的公开课视频的学习，回归到本课的最初应用，就是实现对于十类图像的图像分类。之前的Assignment 已经通过knn和svm做过基础的分析。这里我们通过卷积神经网络来实现。首先我们下载cs231n提供的训练集和测试集。

下载地址：http://www.cs.toronto.edu/~kriz/cifar.html

对于训练集一共是十类，每一类1000张，像素值为32*32的图像。而测试集是十类，每一类5000张同等大小的图像。为了最后判断图像分类的准确性，已经在图像的命名中由0~9，分别标注十类图像。

项目结构如下（无拓展名的为文件夹）：

>assignment   

       >>data（测试集和训练集的图像）

             .  >>>test

                >>>train

       >>c.py （训练文件）

       >>model  （存放训练后的模型）

 

 

train-test.py

import os
from PIL import Image
import numpy as np
import tensorflow as tf

test = True

test_dir = "./data/test"
model_path = "./model"



# 从文件夹读取图片和标签到numpy数组
def read_data(test_dir):
    datas = []
    labels = []
    fpaths = []
    for fname in os.listdir(test_dir):
        fpath = os.path.join(test_dir, fname)
        fpaths.append(fpath)
        image = Image.open(fpath)
        data = np.array(image) / 255.0
        label = int(fname.split("_")[0])
        datas.append(data)
        labels.append(label)

    datas = np.array(datas)
    labels = np.array(labels)

    print("shape of datas: {}\tshape of labels: {}".format(datas.shape, labels.shape))
    return fpaths, datas, labels


fpaths, datas, labels = read_data(test_dir)
num_classes = len(set(labels))

# 存放输入和标签
datas_placeholder = tf.placeholder(tf.float32, [None, 32, 32, 3])
labels_placeholder = tf.placeholder(tf.int32, [None])

# 存放DropOut
dropout_placeholdr = tf.placeholder(tf.float32)

# 卷积层
conv0 = tf.layers.conv2d(datas_placeholder, 20, 5, activation=tf.nn.relu)

# 池化
pool0 = tf.layers.max_pooling2d(conv0, [2, 2], [2, 2])

# 卷积层
conv1 = tf.layers.conv2d(pool0, 40, 4, activation=tf.nn.relu)

# 池化
pool1 = tf.layers.max_pooling2d(conv1, [2, 2], [2, 2])

# 将3维特征转换为1维向量
flatten = tf.layers.flatten(pool1)

# 全连接层
fc = tf.layers.dense(flatten, 400, activation=tf.nn.relu)

# DropOut层
dropout_fc = tf.layers.dropout(fc, dropout_placeholdr)

# 输出层
logits = tf.layers.dense(dropout_fc, num_classes)

predicted_labels = tf.arg_max(logits, 1)


# 交叉定义损失
losses = tf.nn.softmax_cross_entropy_with_logits(
    labels=tf.one_hot(labels_placeholder, num_classes),
    logits=logits
)
# 平均损失
mean_loss = tf.reduce_mean(losses)

# 定义优化器，指定要优化的损失函数
optimizer = tf.train.AdamOptimizer(learning_rate=1e-2).minimize(losses)

# 用于保存和载入模型
saver = tf.train.Saver()





with tf.Session() as sess:
    if test:
        print("测试")
   
        saver.restore(sess, model_path)
        print("从{}载入模型".format(model_path))
        # label和名称的对照关系
        label_name_dict = {
            0:"飞机",
            1:"汽车",
            2:"鸟",
            3:"猫",
            4:"鹿",
            5:"狗",
            6:"青蛙",
            7:"马",
            8:"船",
            9:"卡车"
        }

        # 定义输入和Label
        test_feed_dict = {
            datas_placeholder: datas,
            labels_placeholder: labels,
            dropout_placeholdr: 0
        }
        predicted_labels_val = sess.run(predicted_labels, feed_dict=test_feed_dict)

        # 真实label与模型预测label
        for fpath, real_label, predicted_label in zip(fpaths, labels, predicted_labels_val):
            # 将label id转换为label名
            real_label_name = label_name_dict[real_label]
            predicted_label_name = label_name_dict[predicted_label]
            print("{}\t{} => {}".format(fpath, real_label_name, predicted_label_name))