图像分类网络模型框架解读

分类网络的基本结构

数据加载

• RGB数据OR BGR数据

• JPEG编码后的数据

• torchvision.datasets中的数据集

• torch.utils.data下的Dataset,DataLoader自定义数据集

数据增强

• 为什么需要数据增强？

在图像分类过程中，为了能够提高分类准确率，一般都需要对图像进行一定程度上增强。否则会导致出现模糊现象。

• 数据增强的时候需要注意什么？

首先，在进行数据增强过程中，一定要确保增强结果真实可靠，其次，在进行数据增强过程中，一定要保证合理性。还有，在进行数据增强过程中，一定要保证所选数据集与目标图像具有相似性。

• torchvision.transforms

train_transforms=transforms.Compose([transforms.RandomResizedCrop((227,227)),

transforms.ToTensor(),])

网络结构

类别概率分布

• N维度向量对应N个类别

• 将卷积输出的tensor转换成N维度向量

• Softmax

softmax，其实就是一种概率运算方法，它主要作用，就是可以有效地处理图像中非线性特征。适用于分类问题。

LOSS

• nn.CrossEntropyLoss

交叉熵损失函数，是一种在损失函数中，引入了噪声干扰因素，从而来提高系统预测准确率。一种衡量输入数据与目标数据相似程度函数。

• label smoothing

label smoothing，对样本进行标准化处理方法，它主要作用，就是可以有效地提高样本泛化能力。或者说一种隐藏层提取特征方法，就是能够有效地帮助我们提取隐藏层特征

分类问题常用评价指标

• 正确率（accuracy）:(TP+TN)/(P+N)

• 错误率（error rate）:(FP+FN)/(P+N)

• 灵敏度（sensitive）:sensitive=TP/P

• 特效度（specificity）:TN/N

• 精度（precision）:TP/(TP+FP)

• 召回率（recall）:TP/(TP+FN)=TP/P=sensitive

• PR曲线、ROC曲线、AUC面积

	预测值=1	预测值=0
真实值=1	TP	FN
真实值=0	FP	TN

PR曲线 VS ROC 曲线

• PR曲线

• ROC曲线、AUC 曲线

TPR=TP/(TP+FN)

FPR=FP/(FP+TN)

优化器选择

• 推荐使用：torch.optim.Adam

• 学习率初值:lr=0.001

• 学习率指数衰减:torch.optim.lr_scheduler.ExponentialLR

Cifar10/100

• 8000万个微小图像数据集的子集

• 由Alex Krizhevsky,Vinod Nair, Geoffrey Hinton收集

Cifar10数据读取及处理

从官网下载数据集，新建两个文件夹train、test

import pickle
import cv2
import numpy as np
import glob
import os

def unpickle(file):
    with open(file, 'rb') as fo:
        dict = pickle.load(fo, encoding='bytes')
    return dict
label_name = ["airplane", "automobile", "bird", "cat", "deer", "dog", "frog", "horse", "ship", "truck"]



train_list = glob.glob("D:/Users/86187/Downloads/pycharm/pycharmprojects/cifar10/cifar-10-batches-py/data_batch_*")
print(train_list)
save_path = "D:/Users/86187/Downloads/pycharm/pycharmprojects/cifar10/cifar-10-batches-py/train"
for l in train_list:
    print(l)
    l_dict = unpickle(l)
    # print(l_dict)
    print(l_dict.keys())

    for im_idx, im_data in enumerate(l_dict[b'data']):
        # print(im_idx)
        # print(im_data)
        im_label = l_dict[b'labels'][im_idx]
        im_name = l_dict[b'filenames'][im_idx]
        print(im_label, im_name, im_data)

        im_label_name = label_name[im_label]
        im_data = np.reshape(im_data, [3, 32, 32])
        im_data = np.transpose(im_data, (1, 2, 0))

        # cv2.imshow("im_data", cv2.resize(im_data, (400, 400)))
        # cv2.waitKey(0)

        if not os.path.exists("{}/{}".format(save_path, im_label_name)):
            os.mkdir("{}/{}".format(save_path, im_label_name))

        cv2.imwrite("{}/{}/{}".format(save_path, im_label_name, im_name.decode("utf-8")), im_data)

import pickle
import cv2
import numpy as np
import glob
import os

def unpickle(file):
    with open(file, 'rb') as fo:
        dict = pickle.load(fo, encoding='bytes')
    return dict
label_name = ["airplane", "automobile", "bird", "cat", "deer", "dog", "frog", "horse", "ship", "truck"]



train_list = glob.glob("D:/Users/86187/Downloads/pycharm/pycharmprojects/cifar10/cifar-10-batches-py/data_batch_*")
print(train_list)
save_path = "D:/Users/86187/Downloads/pycharm/pycharmprojects/cifar10/cifar-10-batches-py/test"
for l in train_list:
    print(l)
    l_dict = unpickle(l)
    # print(l_dict)
    print(l_dict.keys())

    for im_idx, im_data in enumerate(l_dict[b'data']):
        # print(im_idx)
        # print(im_data)
        im_label = l_dict[b'labels'][im_idx]
        im_name = l_dict[b'filenames'][im_idx]
        print(im_label, im_name, im_data)

        im_label_name = label_name[im_label]
        im_data = np.reshape(im_data, [3, 32, 32])
        im_data = np.transpose(im_data, (1, 2, 0))

        # cv2.imshow("im_data", cv2.resize(im_data, (400, 400)))
        # cv2.waitKey(0)

        if not os.path.exists("{}/{}".format(save_path, im_label_name)):
            os.mkdir("{}/{}".format(save_path, im_label_name))

        cv2.imwrite("{}/{}/{}".format(save_path, im_label_name, im_name.decode("utf-8")), im_data)