【技术博客】基于AlexNet网络的垃圾分类
AlexNet
AlexNet模型来源于论文-ImageNet Classification with Deep Convolutional Neural Networks，作者Alex Krizhevsky，Ilya Sutskever，Geoffrey E.Hinton.
AlexNet在ImageNet LSVRC-2012比赛中，达到最低的15.3%的Top-5错误率，比第二名低10.8个百分点。
网络结构
AlexNet包含八层，前五层是卷积层，最后三层是全连接层。它使用了ReLU激活函数，显示出比tabh和sigmoid更好的训练性能。
图片.png
论文中的图比较抽象，不便于分析结构，下面提供一个更直观的结构图。
图片.png
参考链接：Netscope
- 第一层（卷积层）
输入数据：227×227×3
卷积核：11×11×3；步长：4；数量：96
卷积后数据：55×55×96
relu后的数据：55×55×96
Max pool的核：3×3，步长：2
Max pool后的数据：27×27×96
norm1：local_size=5 （LRN(Local Response Normalization） 局部响应归一化）
最后的输出：27×27×96 - 第二层（卷积层）
输入数据：27×27×96
卷积核：5×5；步长：1；数量：256
卷积后数据：27×27×256 （做了Same padding（相同补白），使得卷积后图像大小不变。）
relu2后的数据：27×27×256
Max pool2的核：3×3，步长：2
Max pool2后的数据：13×13×256 （（27-3）/2+1=13 ）
norm2：local_size=5 （LRN(Local Response Normalization） 局部响应归一化）
最后的输出：13×13×256 - 第三层（卷积层）
输入数据：13×13×256
卷积核：3×3；步长：1；数量（也就是输出个数）：384
卷积后数据：13×13×384 （做了Same padding（相同补白），使得卷积后图像大小不变。）
relu3后的数据：13×13×384
最后的输出：13×13×384
第三层没有Max pool层和norm层 - 第四层（卷积层）
输入数据：13×13×384
卷积核：3×3；步长：1；数量（也就是输出个数）：384
卷积后数据：13×13×384 （做了Same padding（相同补白），使得卷积后图像大小不变。）
relu4后的数据：13×13×384
最后的输出：13×13×384
第四层没有Max pool层和norm层 - 第五层（卷积层）
输入数据：13×13×384
卷积核：3×3；步长：1；数量（也就是输出个数）：256
卷积后数据：13×13×256 （做了Same padding（相同补白），使得卷积后图像大小不变。）
relu5后的数据：13×13×256
Max pool5的核：3×3，步长：2
Max pool2后的数据：6×6×256 （（13-3）/2+1=6 ）
最后的输出：6×6×256
第五层有Max pool，没有norm层 - 第六层（全连接层）
输入数据：6×6×256
全连接输出：4096×1
relu6后的数据：4096×1
drop out6后数据：4096×1
最后的输出：4096×1 - 第七层（全连接层）
输入数据：4096×1
全连接输出：4096×1
relu7后的数据：4096×1
drop out7后数据：4096×1
最后的输出：4096×1 - 第八层（全连接层）
输入数据：4096×1
全连接输出：1000
fc8输出一千种分类的概率。
数据集预处理
本次实验中使用的垃圾分类数据集一共2307张图片，分为六个分类， cardboard(370)， glass(457)， metal(380)， paper(540)， plastic(445)， trash(115)。数据集中的图片是经过处理的512x384的三通道图片。
由于该数据集较小，因此需要通过数据增强扩充数据集。在本次试验中通过对图片进行随机翻转，裁剪227x227大小的子图扩充数据集，为了提高模型的准确率，在输入模型前，还需要对图片进行归一化处理，将每个像素的值映射到(0,1)之间。
定义一个torch.utils.data.Dataset类的子类，用于从硬盘中加载数据集，因为存在随机裁剪，在GarbageDataset类中将数据集大小扩大10倍。
class GarbageDataset(Dataset):
classifications = ["cardboard", "glass", "metal", "paper", "plastic", "trash"]
def __init__(self, root_dir, transform = None):
super(GarbageDataset, self).__init__()
self.root_dir = root_dir
self.transform = transform
self.imgs = []
self.read()
def __len__(self):
return 10 * len(self.imgs)
def __getitem__(self, item):
img, label = self.imgs[item % len(self.imgs)]
if self.transform:
img = self.transform(img)
return img, label
def read(self):
img_dir = os.path.join(self.root_dir, "garbage")
for i, c in enumerate(GarbageDataset.classifications, 0):
dir = os.path.join(img_dir, c)
for img_name in os.listdir(dir):
img = Image.open(os.path.join(dir, img_name))
self.imgs.append((img, i))
定义transforms， 实例化GarbageDataset加载数据集， 并按照6:2:2的比例划分训练集，验证集和测试集。
dataset = GarbageDataset("data", transform=transforms.Compose([
transforms.Resize(227),
transforms.RandomHorizontalFlip(),
transforms.RandomCrop(227),
transforms.RandomRotation(90),
transforms.ToTensor(),
transforms.Normalize(mean=(0.5, 0.5, 0.5), std=(0.5, 0.5, 0.5))
]))
dataset_size = len(dataset)
validset_size = int(dataset_size / 5)
testset_size = validset_size
trainset_size = dataset_size - validset_size - testset_size
trainset, validset, testset = torch.utils.data.random_split(dataset, [trainset_size, validset_size, testset_size])
对训练集，验证集，测试集分别实例化一个DataLoader。
# 训练集需要打乱顺序
trainloader = DataLoader(dataset=trainset, batch_size=128, shuffle=True)
# 验证集和测试集可以不用打乱数据顺序
validloader = DataLoader(dataset=validset, batch_size=128, shuffle=False)
testloader = DataLoader(dataset=testset, batch_size=128, shuffle=False)
模型搭建
定义模型
class GarbageNet(nn.Module):
def __init__(self):
super(GarbageNet, self).__init__()
self.conv1 = nn.Conv2d(3, 96, 11, 4)
self.conv2 = nn.Conv2d(96, 256, 5, 1, padding=2, groups=2)
self.conv3 = nn.Conv2d(256, 384, 3, 1, padding=1)
self.conv4 = nn.Conv2d(384, 384, 3, 1, padding=1)
self.conv5 = nn.Conv2d(384, 256, 3, 1, padding=1)
self.fc1 = nn.Linear(256 * 6 * 6, 4096)
self.fc2 = nn.Linear(4096, 4096)
self.fc3 = nn.Linear(4096, 6)
def forward(self, x):
x = self.conv1(x)
x = F.relu(x)
x = F.max_pool2d(x, kernel_size=3, stride=2)
# x = F.max_pool2d(F.relu(self.conv1(x)), kernel_size=3, stride=2)
x = F.max_pool2d(F.relu(self.conv2(x)), kernel_size=3, stride=2)
x = F.relu(self.conv3(x))
x = F.relu(self.conv4(x))
x = F.max_pool2d(self.conv5(x), kernel_size=3, stride=2)
x = x.view(-1, 256 * 6 * 6)
x = F.dropout(F.relu(self.fc1(x)))
x = F.dropout(F.relu(self.fc2(x)))
x = self.fc3(x)
return x
在本次垃圾分类任务中，最终将图片分为六类，因此与原始AlexNet不同，最后一层全连接层的输出size为6。
根据AlexNet论文中的参数，优化器使用SGD， 并将其学习率设置为0.01, 动量衰减参数设置为0.9，权重衰减参数为0.0005。
损失函数使用CrossEntropyLoss。
optimizer = optim.SGD(net.parameters(), lr=0.01, momentum=0.9, weight_decay=0.0005)
criterion = nn.CrossEntropyLoss()
定义训练过程
def train(dataloader):
epoch_loss = 0.0
iter_num = 0
correct = 0
total = 0
for i, data in enumerate(dataloader, 0):
inputs, labels = data
if use_gpu:
inputs = inputs.to(GPU)
labels = labels.to(GPU)
if torch.is_grad_enabled():
optimizer.zero_grad()
outputs = net(inputs)
loss = criterion(outputs, labels)
if torch.is_grad_enabled():
loss.backward()
optimizer.step()
epoch_loss += loss.item()
iter_num += 1
_, predicted = torch.max(outputs, 1)
c = (predicted == labels).squeeze()
for i, lb in enumerate(labels):
correct += c[i].item()
total += 1
return epoch_loss / iter_num, correct / total
训练模型
for epoch in range(0, EPOCH_NUMBER):
t_l, t_a = train(trainloader)
train_loss.append(t_l)
train_accuracy.append(t_a)
with torch.no_grad():
v_l, v_a = train(validloader)
print("Epoch %03d train loss: %.6f" % (epoch + 1, t_l))
print(" val accuracy: %.2f%%" % (100 * v_a))
val_loss.append(v_l)
val_accuracy.append(v_a)
可视化训练结果
plt.figure(figsize=(15, 5))
plt.subplot(121)
plt.plot(range(EPOCH_NUMBER), train_accuracy, label="train")
plt.plot(range(EPOCH_NUMBER), val_accuracy, label='val')
plt.title("Accuracy", size=15)
plt.legend()
plt.grid(True)
plt.subplot(122)
plt.plot(range(EPOCH_NUMBER), train_loss, label="train")
plt.plot(range(EPOCH_NUMBER), val_loss, label="val")
plt.title("Loss", size=15)
plt.legend()
plt.grid(True)
plt.show()
图片.png
从图中可以看出， 随着迭代次数的增加，准确率逐渐增加，当迭代次数超过75次之后，趋向于稳定。 在验证集上的精度可以到95%以上，与训练集差别很小，说明分类效果良好，模型泛化能力不错。
Mo项目链接