计算机视觉入门 5）自定义卷积网络

系列文章目录

1. 计算机视觉入门 1）卷积分类器
2. 计算机视觉入门 2）卷积和ReLU
3. 计算机视觉入门 3）最大池化
4. 计算机视觉入门 4）滑动窗口
5. 计算机视觉入门 5）自定义卷积网络
6. 计算机视觉入门 6） 数据集增强（Data Augmentation）

提示：仅为个人学习笔记分享，若有错漏请各位老师同学指出，Thanks♪(･ω･)ﾉ

---

---

一、自定义卷积网络

从简单到精细

前几篇笔记介绍了卷积网络通过三个操作进行特征提取：过滤，检测和压缩。一次特征提取只能从图像中提取相对简单的特征，例如简单的线条或对比度。这些特征对于解决大多数分类问题来说过于简单。相反，卷积网络会一遍又一遍地重复这个提取过程，使特征在网络内部深入传递时变得更加复杂和精细。

卷积块

它通过将图像通过一系列的卷积块来进行这个过程，从而实现这一点。

这些卷积块是Conv2D和MaxPool2D层的堆叠，如下所示：

每个块代表一轮提取，通过组合这些块，卷积网络可以将产生的特征组合和重新组合。现代卷积网络的深层结构使得这种复杂的特征工程成为可能，从而大大提高它们在处理和解决任务上的性能。

二、【代码示例】构建一个简单的卷积网络

步骤1 - 加载数据

# 导入库
import os, warnings
import matplotlib.pyplot as plt
from matplotlib import gridspec

import numpy as np
import tensorflow as tf
from tensorflow.keras.preprocessing import image_dataset_from_directory

# 设置随机种子以保证可复现性
def set_seed(seed=31415):
    np.random.seed(seed)
    tf.random.set_seed(seed)
    os.environ['PYTHONHASHSEED'] = str(seed)
    os.environ['TF_DETERMINISTIC_OPS'] = '1'
set_seed()

# 设置Matplotlib默认值
plt.rc('figure', autolayout=True)
plt.rc('axes', labelweight='bold', labelsize='large',
       titleweight='bold', titlesize=18, titlepad=10)
plt.rc('image', cmap='magma')
warnings.filterwarnings("ignore") # 清理输出单元格

# 加载训练集和验证集
ds_train_ = image_dataset_from_directory(
    '../input/car-or-truck/train',
    labels='inferred',
    label_mode='binary',
    image_size=[128, 128],
    interpolation='nearest',
    batch_size=64,
    shuffle=True,
)
ds_valid_ = image_dataset_from_directory(
    '../input/car-or-truck/valid',
    labels='inferred',
    label_mode='binary',
    image_size=[128, 128],
    interpolation='nearest',
    batch_size=64,
    shuffle=False,
)

# 数据处理管道
def convert_to_float(image, label):
    image = tf.image.convert_image_dtype(image, dtype=tf.float32)
    return image, label

AUTOTUNE = tf.data.experimental.AUTOTUNE
ds_train = (
    ds_train_
    .map(convert_to_float)
    .cache()
    .prefetch(buffer_size=AUTOTUNE)
)
ds_valid = (
    ds_valid_
    .map(convert_to_float)
    .cache()
    .prefetch(buffer_size=AUTOTUNE)
)

步骤2 - 定义模型

下面是我们将使用的模型的图示：

现在我们来定义模型。注意我们的模型由三个 Conv2D 和 MaxPool2D 层块组成，后面跟着一些 Dense 层。我们可以通过填写适当的参数，将这个图示基本上直接转化为一个 Keras Sequential 模型。

from tensorflow import keras
from tensorflow.keras import layers

model = keras.Sequential([

    # 第一个卷积块
    layers.Conv2D(filters=32, kernel_size=5, activation="relu", padding='same',
                  # 在第一层中提供输入维度
                  # [高度, 宽度, 颜色通道(RGB)]
                  input_shape=[128, 128, 3]),
    layers.MaxPool2D(),

    # 第二个卷积块
    layers.Conv2D(filters=64, kernel_size=3, activation="relu", padding='same'),
    layers.MaxPool2D(),

    # 第三个卷积块
    layers.Conv2D(filters=128, kernel_size=3, activation="relu", padding='same'),
    layers.MaxPool2D(),

    # 分类头部
    layers.Flatten(),
    layers.Dense(units=6, activation="relu"),
    layers.Dense(units=1, activation="sigmoid"),
])
model.summary()

这个代码定义了一个包含三个卷积块的模型，每个块都由一个 Conv2D 层和一个 MaxPool2D 层组成。最后的分类头部包括一个扁平化层(Flatten)，两个密集连接层(Dense)，用于输出预测结果。模型总共有大约50万个参数，它们将根据训练数据进行调整以进行有效的特征提取和分类。

输出模型Summary：

注意：这里每个块的过滤器数量都是逐块翻倍增加的：32、64、128。这是一种常见的模式。由于MaxPool2D层在每个块中降低了特征图的尺寸，因此我们可以逐块增加我们创建的特征图数量。

步骤3 - 训练模型

# 加入损失函数和准确率
model.compile(
    optimizer=tf.keras.optimizers.Adam(epsilon=0.01),
    loss='binary_crossentropy',
    metrics=['binary_accuracy']
)

#模型训练
history = model.fit(
    ds_train,
    validation_data=ds_valid,
    epochs=40,
    verbose=0,
)

import pandas as pd

#结果查看
history_frame = pd.DataFrame(history.history)
history_frame.loc[:, ['loss', 'val_loss']].plot()
history_frame.loc[:, ['binary_accuracy', 'val_binary_accuracy']].plot();

这个模型只有简单的3个卷积层，尽管如此，它仍然能够相当好地适应这个数据集。
见上图，蓝色曲线快速地变化，同时黄色曲线（验证集val）在10轮训练过程后就进入波动稳定的状态， 这表明模型容易过拟合，需要正则化处理。
后续可以添加更多的卷积层、或者Dropout层来进行正则化，继续改进这个模型。