该系列文章是讲解Python OpenCV图像处理知识，前期主要讲解图像入门、OpenCV基础用法，中期讲解图像处理的各种算法，包括图像锐化算子、图像增强技术、图像分割等，后期结合深度学习研究图像识别、图像分类应用。希望文章对您有所帮助，如果有不足之处，还请海涵~
上一篇文章分享了生成对抗网络GAN的基础知识，包括什么是GAN、常用算法（CGAN、DCGAN、infoGAN、WGAN）、发展历程、预备知识，并通过Keras搭建最简答的手写数字图片生成案例。这篇文章将详细讲解如何利用Keras构建AlexNet和CNN模型，实现自定义数据集的图像分类，并进行详细的对比。希望对您有所帮助！让我们开始吧，且看且珍惜。
第二阶段我们进入了Python图像识别，该部分主要以目标检测、图像识别以及深度学习相关图像分类为主，将会分享近50篇文章，感谢您一如至往的支持。作者也会继续加油的！
文章目录
同时，该部分知识均为作者查阅资料撰写总结，并且开设成了收费专栏，为小宝赚点奶粉钱，感谢您的抬爱。如果有问题随时私聊我，只望您能从这个系列中学到知识，一起加油。代码下载地址（如果喜欢记得star，一定喔）：
图像识别：
- [Python图像识别] 四十五.对象检测案例入门及ImageAI基础用法
- [Python图像识别] 四十六.图像预处理之图像去雾详解（ACE算法和暗通道先验去雾算法）
- [Python图像识别] 四十七.Keras深度学习构建CNN识别阿拉伯手写文字图像
- [Python图像识别] 四十八.Pytorch构建Faster-RCNN模型实现小麦目标检测
- [Python图像识别] 四十九.图像生成之什么是生成对抗网络GAN？基础原理和代码普及
- [Python图像识别] 五十.Keras构建Alexnet和CNN实现自定义数据集分类详解
图像处理：
- [Python图像处理] 一.图像处理基础知识及OpenCV入门函数
- [Python图像处理] 二.OpenCV+Numpy库读取与修改像素
- [Python图像处理] 三.获取图像属性、兴趣ROI区域及通道处理
- [Python图像处理] 四.图像平滑之均值滤波、方框滤波、高斯滤波及中值滤波
- [Python图像处理] 五.图像融合、加法运算及图像类型转换
- [Python图像处理] 六.图像缩放、图像旋转、图像翻转与图像平移
- [Python图像处理] 七.图像阈值化处理及算法对比
- [Python图像处理] 八.图像腐蚀与图像膨胀
- [Python图像处理] 九.形态学之图像开运算、闭运算、梯度运算
- [Python图像处理] 十.形态学之图像顶帽运算和黑帽运算
- [Python图像处理] 十一.灰度直方图概念及OpenCV绘制直方图
- [Python图像处理] 十二.图像几何变换之图像仿射变换、图像透视变换和图像校正
- [Python图像处理] 十三.基于灰度三维图的图像顶帽运算和黑帽运算
- [Python图像处理] 十四.基于OpenCV和像素处理的图像灰度化处理
- [Python图像处理] 十五.图像的灰度线性变换
- [Python图像处理] 十六.图像的灰度非线性变换之对数变换、伽马变换
- [Python图像处理] 十七.图像锐化与边缘检测之Roberts算子、Prewitt算子、Sobel算子和Laplacian算子
- [Python图像处理] 十八.图像锐化与边缘检测之Scharr算子、Canny算子和LOG算子
- [Python图像处理] 十九.图像分割之基于K-Means聚类的区域分割
- [Python图像处理] 二十.图像量化处理和采样处理及局部马赛克特效
- [Python图像处理] 二十一.图像金字塔之图像向下取样和向上取样
- [Python图像处理] 二十二.Python图像傅里叶变换原理及实现
- [Python图像处理] 二十三.傅里叶变换之高通滤波和低通滤波
- [Python图像处理] 二十四.图像特效处理之毛玻璃、浮雕和油漆特效
- [Python图像处理] 二十五.图像特效处理之素描、怀旧、光照、流年以及滤镜特效
- [Python图像处理] 二十六.图像分类原理及基于KNN、朴素贝叶斯算法的图像分类案例
- [Python图像处理] 二十七.OpenGL入门及绘制基本图形（一）
- [Python图像处理] 二十八.OpenCV快速实现人脸检测及视频中的人脸
- [Python图像处理] 二十九.MoviePy视频编辑库实现抖音短视频剪切合并操作
- [Python图像处理] 三十.图像量化及采样处理万字详细总结（推荐）
- [Python图像处理] 三十一.图像点运算处理两万字详细总结（灰度化处理、阈值化处理）
- [Python图像处理] 三十二.傅里叶变换（图像去噪）与霍夫变换（特征识别）万字详细总结
- [Python图像处理] 三十三.图像各种特效处理及原理万字详解（毛玻璃、浮雕、素描、怀旧、流年、滤镜等）
- [Python图像处理] 三十四.数字图像处理基础与几何图形绘制万字详解（推荐）
- [Python图像处理] 三十五.OpenCV图像处理入门、算数逻辑运算与图像融合（推荐）
- [Python图像处理] 三十六.OpenCV图像几何变换万字详解（平移缩放旋转、镜像仿射透视）
- [Python图像处理] 三十七.OpenCV和Matplotlib绘制直方图万字详解（掩膜直方图、H-S直方图、黑夜白天判断）
- [Python图像处理] 三十八.OpenCV图像增强万字详解（直方图均衡化、局部直方图均衡化、自动色彩均衡化）
- [Python图像处理] 三十九.Python图像分类万字详解（贝叶斯图像分类、KNN图像分类、DNN图像分类）
- [Python图像处理] 四十.全网首发Python图像分割万字详解（阈值分割、边缘分割、纹理分割、分水岭算法、K-Means分割、漫水填充分割、区域定位）
- [Python图像处理] 四十一.Python图像平滑万字详解（均值滤波、方框滤波、高斯滤波、中值滤波、双边滤波）
- [Python图像处理] 四十二.Python图像锐化及边缘检测万字详解（Roberts、Prewitt、Sobel、Laplacian、Canny、LOG）
- [Python图像处理] 四十三.Python图像形态学处理万字详解（腐蚀膨胀、开闭运算、梯度顶帽黑帽运算）
- 万字长文告诉新手如何学习Python图像处理 (上篇完结 四十四)
一.图像分类概述
1.图像分类
图像分类（Image Classification）是对图像内容进行分类的问题，它利用计算机对图像进行定量分析，把图像或图像中的区域划分为若干个类别，以代替人的视觉判断。
图像分类的传统方法是特征描述及检测，这类传统方法可能对于一些简单的图像分类是有效的，但由于实际情况非常复杂，传统的分类方法不堪重负。现在，广泛使用机器学习和深度学习的方法来处理图像分类问题，其主要任务是给定一堆输入图片，将其指派到一个已知的混合类别中的某个标签。
在图1中，图像分类模型将获取单个图像，并将为4个标签{cat，dog，hat，mug}分配对应的概率{0.6, 0.3, 0.05, 0.05}，其中0.6表示图像标签为猫的概率，其余类比。
如图1所示，该图像被表示为一个三维数组。在这个例子中，猫的图像宽度为248像素，高度为400像素，并具有红绿蓝三个颜色通道（通常称为RGB）。因此，图像由248×400×3个数字组成或总共297600个数字，每个数字是一个从0（黑色）到255（白色）的整数。图像分类的任务是将这接近30万个数字变成一个单一的标签，如“猫（cat）”。
那么，如何编写一个图像分类的算法呢？又怎么从众多图像中识别出猫呢？
这里所采取的方法和教育小孩看图识物类似，给出很多图像数据，让模型不断去学习每个类的特征。在训练之前，首先需要对训练集的图像进行分类标注，如图2所示，包括cat、dog、mug和hat四类。在实际工程中，可能有成千上万类别的物体，每个类别都会有上百万张图像。
图像分类是输入一堆图像的像素值数组，然后给它分配一个分类标签，通过训练学习来建立算法模型，接着使用该模型进行图像分类预测，具体流程如下：
- 输入：输入包含N个图像的集合，每个图像的标签是K种分类标签中的一种，这个集合称为训练集；
- 学习：第二步任务是使用训练集来学习每个类的特征，构建训练分类器或者分类模型；
- 评价：通过分类器来预测新输入图像的分类标签，并以此来评价分类器的质量。通过分类器预测的标签和图像真正的分类标签对比，从而评价分类算法的好坏。如果分类器预测的分类标签和图像真正的分类标签一致，表示预测正确，否则预测错误。
2.数据集
实验所采用的数据集为Sort_1000pics数据集，该数据集包含了1000张图片，总共分为10大类，分别是人（第0类）、沙滩（第1类）、建筑（第2类）、大卡车（第3类）、恐龙（第4类）、大象（第5类）、花朵（第6类）、马（第7类）、山峰（第8类）和食品（第9类），每类100张。如图11所示。
接着将所有各类图像按照对应的类标划分至“0”至“9”命名的文件夹中，如图12所示，每个文件夹中均包含了100张图像，对应同一类别。
比如，文件夹名称为“6”中包含了100张花的图像，如图13所示。
二.基于NB的图像分类
1.朴素贝叶斯分类算法
朴素贝叶斯分类（Naive Bayes Classifier）发源于古典数学理论，利用Bayes定理来预测一个未知类别的样本属于各个类别的可能性，选择其中可能性最大的一个类别作为该样本的最终类别。在朴素贝叶斯分类模型中，它将为每一个类别的特征向量建立服从正态分布的函数，给定训练数据，算法将会估计每一个类别的向量均值和方差矩阵，然后根据这些进行预测。
朴素贝叶斯分类模型的正式定义如下：
该算法的特点为：如果没有很多数据，该模型会比很多复杂的模型获得更好的性能，因为复杂的模型用了太多假设，以致产生欠拟合。
2.代码实现
下面是调用朴素贝叶斯算法进行图像分类的完整代码，调用sklearn.naive_bayes中的BernoulliNB()函数进行实验。它将1000张图像按照训练集为70%，测试集为30%的比例随机划分，再获取每张图像的像素直方图，根据像素的特征分布情况进行图像分类分析。
注意：机器学习代码是统计灰度直方图，再进行的图像分类预测。而后续深度学习采用读取图像像素，对其进行分类的。
# -*- coding: utf-8 -*-
"""
Created on Fri Apr 8 22:02:29 2022
@author: xiuzhang
"""
import os
import cv2
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.metrics import confusion_matrix, classification_report
#----------------------------------------------------------------------------------
# 第一步 切分训练集和测试集
#----------------------------------------------------------------------------------
X = [] #定义图像名称
Y = [] #定义图像分类类标
Z = [] #定义图像像素
for i in range(0, 10):
#遍历文件夹，读取图片
for f in os.listdir("data/%s" % i):
#获取图像名称
X.append("data//" +str(i) + "//" + str(f))
#获取图像类标即为文件夹名称
Y.append(i)
X = np.array(X)
Y = np.array(Y)
#随机率为100% 选取其中的30%作为测试集
X_train, X_test, y_train, y_test = train_test_split(X, Y,
test_size=0.3, random_state=1)
print(len(X_train), len(X_test), len(y_train), len(y_test))
#----------------------------------------------------------------------------------
# 第二步 图像读取及转换为像素直方图
#----------------------------------------------------------------------------------
#训练集
XX_train = []
for i in X_train:
#读取图像
image = cv2.imread(i)
#图像像素大小一致
img = cv2.resize(image, (256,256),
interpolation=cv2.INTER_CUBIC)
#计算图像直方图并存储至X数组
hist = cv2.calcHist([img], [0,1], None,
[256,256], [0.0,255.0,0.0,255.0])
XX_train.append(((hist/255).flatten()))
#测试集
XX_test = []
for i in X_test:
#读取图像
image = cv2.imread(i)
#图像像素大小一致
img = cv2.resize(image, (256,256),
interpolation=cv2.INTER_CUBIC)
#计算图像直方图并存储至X数组
hist = cv2.calcHist([img], [0,1], None,
[256,256], [0.0,255.0,0.0,255.0])
XX_test.append(((hist/255).flatten()))
#----------------------------------------------------------------------------------
# 第三步 基于朴素贝叶斯的图像分类处理
#----------------------------------------------------------------------------------
from sklearn.naive_bayes import BernoulliNB
clf = BernoulliNB().fit(XX_train, y_train)
predictions_labels = clf.predict(XX_test)
print('预测结果:')
print(predictions_labels)
print('算法评价:')
print(classification_report(y_test, predictions_labels,digits=4))
#输出前10张图片及预测结果
k = 0
while k<10:
#读取图像
print(X_test[k])
image = cv2.imread(X_test[k])
print(predictions_labels[k])
#显示图像
cv2.imshow("img", image)
cv2.waitKey(0)
cv2.destroyAllWindows()
k = k + 1
3.结果评估
输出结果如下所示：
700 300 700 300
预测结果:
[7 8 4 3 2 9 2 4 3 9 4 9 0 3 0 8 8 5 7 4 9 4 2 5 4 1 2 7 2 3 9 7 7 4 8 2 2
5 7 4 1 6 9 2 9 2 5 2 4 3 2 0 6 0 1 4 8 6 4 9 3 2 3 7 8 5 4 8 0 2 2 8 2 9
4 2 1 8 3 5 2 7 7 7 9 9 4 8 2 5 6 1 5 9 4 8 5 8 2 8 3 2 9 8 4 5 2 5 4 9 4
9 9 0 1 0 7 4 1 7 2 3 9 1 4 6 7 7 4 9 9 2 6 0 9 2 7 8 8 7 2 8 9 5 6 7 7 9
5 2 3 9 1 0 3 5 7 8 0 2 8 2 1 6 5 4 2 5 7 8 2 2 8 4 5 2 1 9 8 9 2 0 7 6 2
8 2 4 5 0 6 1 2 1 9 4 5 5 6 2 3 7 9 0 5 7 0 0 3 4 7 3 8 4 6 8 3 1 9 9 8 8
8 9 5 7 0 7 9 8 2 3 8 4 5 9 0 7 2 0 8 5 3 4 4 8 8 4 8 7 2 0 4 7 0 6 9 8 8
7 8 8 1 0 7 4 3 4 4 8 4 0 8 5 9 7 8 2 6 0 7 8 3 7 5 2 8 1 4 9 6 5 5 1 8 4
4 0 2 3]
算法评价:
precision recall f1-score support
0 0.5000 0.3871 0.4364 31
1 0.6471 0.3548 0.4583 31
2 0.4651 0.7692 0.5797 26
3 0.8095 0.5862 0.6800 29
4 0.7692 0.9375 0.8451 32
5 0.5714 0.4706 0.5161 34
6 0.8667 0.4333 0.5778 30
7 0.5588 0.7308 0.6333 26
8 0.4773 0.6774 0.5600 31
9 0.6571 0.7667 0.7077 30
accuracy 0.6067 300
macro avg 0.6322 0.6114 0.5994 300
weighted avg 0.6340 0.6067 0.5984 300
三.基于CNN的图像分类
1.卷积神经网络概念
卷积神经网络的英文是Convolutional Neural Network，简称CNN。它通常应用于图像识别和语音识等领域，并能给出更优秀的结果，也可以应用于视频分析、机器翻译、自然语言处理、药物发现等领域。著名的阿尔法狗让计算机看懂围棋就是基于卷积神经网络的。
神经网络是由很多神经层组成，每一层神经层中存在很多神经元，这些神经元是识别事物的关键，当输入是图片时，其实就是一堆数字。
首先，卷积是什么意思呢？
卷积是指不在对每个像素做处理，而是对图片区域进行处理，这种做法加强了图片的连续性，看到的是一个图形而不是一个点，也加深了神经网络对图片的理解。
卷积神经网络批量过滤器，持续不断在图片上滚动搜集信息，每一次搜索都是一小块信息，整理这一小块信息之后得到边缘信息。比如第一次得出眼睛鼻子轮廓等，再经过一次过滤，将脸部信息总结出来，再将这些信息放到全神经网络中进行训练，反复扫描最终得出的分类结果。如下图所示，猫的一张照片需要转换为数学的形式，这里采用长宽高存储，其中黑白照片的高度为1，彩色照片的高度为3(RGB)。
过滤器搜集这些信息，将得到一个更小的图片，再经过压缩增高信息嵌入到普通神经层上，最终得到分类的结果，这个过程即是卷积。Convnets是一种在空间上共享参数的神经网络，如下图所示，它将一张RGB图片进行压缩增高，得到一个很长的结果。
一个卷积网络是组成深度网络的基础，我们将使用数层卷积而不是数层的矩阵相乘。如上图所示，让它形成金字塔形状，金字塔底是一个非常大而浅的图片，仅包括红绿蓝，通过卷积操作逐渐挤压空间的维度，同时不断增加深度，使深度信息基本上可以表示出复杂的语义。同时，你可以在金字塔的顶端实现一个分类器，所有空间信息都被压缩成一个标识，只有把图片映射到不同类的信息保留，这就是CNN的总体思想。
2.代码实现
CNN代码如下所示：
# -*- coding: utf-8 -*-
"""
Created on Fri Apr 8 22:01:24 2022
@author: xiuzhang
"""
import os
import cv2
import numpy as np
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn.metrics import confusion_matrix, classification_report
from keras.utils import np_utils
from keras.models import Sequential
from keras.layers import Dense, Activation, BatchNormalization, Dropout
from keras.layers import Conv2D, MaxPooling2D, GlobalAveragePooling2D
from keras.callbacks import ModelCheckpoint
from keras.callbacks import EarlyStopping
#-----------------------------------------------------------------------
# 第一步 切分训练集和测试集
#-----------------------------------------------------------------------
X = [] #定义图像名称
Y = [] #定义图像分类类标
Z = [] #定义图像像素
for i in range(0, 10):
#遍历文件夹，读取图片
for f in os.listdir("data/%s" % i):
#获取图像名称
X.append("data//" +str(i) + "//" + str(f))
#获取图像类标即为文件夹名称
Y.append(i)
X = np.array(X)
Y = np.array(Y)
#随机率为100% 选取其中的30%作为测试集
X_train, X_test, y_train, y_test = train_test_split(X, Y,
test_size=0.3, random_state=1)
print(len(X_train), len(X_test), len(y_train), len(y_test))
#------------------------------------------------------------------------
# 第二步 图像读取及转换为像素直方图
#------------------------------------------------------------------------
#训练集
XX_train = []
for i in X_train:
image = cv2.imread(i)
img = cv2.resize(image,(128,128),interpolation=cv2.INTER_CUBIC)
res = img.astype('float32')/255.0
#print(img)
#print(img.shape) #(256, 256, 3)
#print(res)
XX_train.append(res)
#测试集
XX_test = []
for i in X_test:
image = cv2.imread(i)
img = cv2.resize(image,(128,128),interpolation=cv2.INTER_CUBIC)
res = img.astype('float32')/255.0
XX_test.append(res)
train_images_scaled = np.array(XX_train)
test_images_scaled = np.array(XX_test)
for n in train_images_scaled:
print(n)
break
print(type(train_images_scaled))
print(train_images_scaled.shape,test_images_scaled.shape)
# <class 'numpy.ndarray'>
# (700, 256, 256, 3) (300, 256, 256, 3)
#将类向量转化为类矩阵 [0 0 0 0 0 1 0 0 0 0]
train_labels_encoded = np_utils.to_categorical(y_train, num_classes=10)
test_labels_encoded = np_utils.to_categorical(y_test, num_classes=10)
print(train_labels_encoded.shape, test_labels_encoded.shape)
#---------------------------------------------------------------------
# 第三步 CNN模型设计
#---------------------------------------------------------------------
#定义模型
def create_model(optimizer='adam', kernel_initializer='he_normal', activation='relu'):
model = Sequential()
model.add(Conv2D(filters=128,
kernel_size=16,
padding='same',
input_shape=(128, 128, 3),
activation=activation))
model.add(MaxPooling2D(pool_size=16))
model.add(Dropout(0.3))
model.add(GlobalAveragePooling2D())
model.add(Dense(10, activation='softmax'))
model.compile(loss='categorical_crossentropy',
metrics=['accuracy'],
optimizer=optimizer)
return model
#创建模型
model = create_model(optimizer='Adam',
kernel_initializer='uniform',
activation='relu')
model.summary()
#----------------------------------------------------------------
# 第四步 模型绘制
#----------------------------------------------------------------
from keras.utils.vis_utils import plot_model
from IPython.display import Image as IPythonImage
plot_model(model, to_file="model.png", show_shapes=True)
display(IPythonImage('model.png'))
#绘制图形
def plot_loss_accuracy(history):
# Loss
plt.figure(figsize=[8,6])
plt.plot(history.history['loss'],'r',linewidth=3.0)
plt.plot(history.history['val_loss'],'b',linewidth=3.0)
plt.legend(['Training loss', 'Validation Loss'],fontsize=18)
plt.xlabel('Epochs ',fontsize=16)
plt.ylabel('Loss',fontsize=16)
plt.title('Loss Curves',fontsize=16)
# Accuracy
plt.figure(figsize=[8,6])
plt.plot(history.history['accuracy'],'r',linewidth=3.0)
plt.plot(history.history['val_accuracy'],'b',linewidth=3.0)
plt.legend(['Training Accuracy', 'Validation Accuracy'],fontsize=18)
plt.xlabel('Epochs ',fontsize=16)
plt.ylabel('Accuracy',fontsize=16)
plt.title('Accuracy Curves',fontsize=16)
#混淆矩阵
def get_predicted_classes(model, data, labels=None):
image_predictions = model.predict(data)
predicted_classes = np.argmax(image_predictions, axis=1)
true_classes = np.argmax(labels, axis=1)
return predicted_classes, true_classes, image_predictions
def get_classification_report(y_true, y_pred):
print(classification_report(y_true, y_pred, digits=4)) #小数点4位
checkpointer = ModelCheckpoint(filepath='weights-cnn.hdf5',
verbose=1,
save_best_only=True)
#EarlyStopping(monitor='val_loss',min_delta=0.0005)
#----------------------------------------------------------------
# 第五步 模型训练测试
#----------------------------------------------------------------
flag = "test"
if flag=="train":
history = model.fit(train_images_scaled,
train_labels_encoded,
validation_data=(test_images_scaled,test_labels_encoded),
epochs=15,
batch_size=64,
callbacks=[checkpointer])
print(history)
plot_loss_accuracy(history)
else:
#加载具有最佳验证损失的模型
model.load_weights('weights-cnn.hdf5')
metrics = model.evaluate(test_images_scaled,
test_labels_encoded,
verbose=1)
print("Test Accuracy: {}".format(metrics[1]))
print("Test Loss: {}".format(metrics[0]))
y_pred, y_true, image_predictions = get_predicted_classes(model,
test_images_scaled,
test_labels_encoded)
get_classification_report(y_true, y_pred)
3.结果评估
生成的模型如下所示：
评估结果如下：
700 300 700 300
<class 'numpy.ndarray'>
(700, 128, 128, 3) (300, 128, 128, 3)
(700, 10) (300, 10)
Model: "sequential_7"
_________________________________________________________________
Layer (type) Output Shape Param #
=================================================================
conv2d_7 (Conv2D) (None, 128, 128, 128) 98432
_________________________________________________________________
max_pooling2d_7 (MaxPooling2 (None, 8, 8, 128) 0
_________________________________________________________________
dropout_7 (Dropout) (None, 8, 8, 128) 0
_________________________________________________________________
global_average_pooling2d_7 ( (None, 128) 0
_________________________________________________________________
dense_7 (Dense) (None, 10) 1290
=================================================================
Total params: 99,722
Trainable params: 99,722
Non-trainable params: 0
_________________________________________________________________
10/10 [==============================] - 7s 632ms/step - loss: 1.3755 - accuracy: 0.5533
Test Accuracy: 0.5533333420753479
Test Loss: 1.3755393028259277
precision recall f1-score support
0 0.4737 0.5806 0.5217 31
1 0.4783 0.3548 0.4074 31
2 0.5882 0.3846 0.4651 26
3 1.0000 0.6207 0.7660 29
4 0.5167 0.9688 0.6739 32
5 0.3556 0.4706 0.4051 34
6 0.6000 0.6000 0.6000 30
7 0.8462 0.8462 0.8462 26
8 0.4091 0.2903 0.3396 31
9 0.6190 0.4333 0.5098 30
accuracy 0.5533 300
macro avg 0.5887 0.5550 0.5535 300
weighted avg 0.5789 0.5533 0.5476 300
四.基于AlexNet的图像分类
1.AlexNet模型
从严格意义上讲，卷积网络模型的开山之作应该是LeNet，由深度学习三巨头之一的杨立坤（Yann LeCun）在1998年提出来的，用来解决手写数字识别问题，但是由于年代久远，而且由于当时算力有限，深度学习一直没有得到发展，直到2012年AlexNet分类网络横空出世，首次证明学习到的特征，可以远远超过人工设计的特征，一举颠覆了计算机视觉研究方向，在ImageNet大赛上一举夺魁，遥遥领先传统分类方法！
—— 知乎 大橙子老师
推荐大家阅读三位老师的博客：
- https://d2l.ai/chapter_convolutional-modern/alexnet.html
- 【图像分类】 一文读懂AlexNet
- 妈妈再不担心系列之图像分类——AlexNet（详细代码）
AlexNet模型如下图所示，推荐大家阅读论文原文。结构包括：
- 8层网络：5个卷积和3个全连接
- AlexNet第一层中的卷积核shape为11x11，第二层的卷积核形状缩小到5x5，之后全部采用3x3的卷积核
- 所有的池化层窗口大小为3x3，步长为2，最大池化
- 采用Relu激活函数，代替sigmoid，梯度计算更简单，模型更容易训练
- 采用Dropout来控制模型复杂度，防止过拟合
- 采用大量图像增强技术，比如翻转、裁剪和颜色变化，扩大数据集，防止过拟合
Keras核心代码如下：
2.代码实现
# -*- coding: utf-8 -*-
"""
Created on Fri Apr 8 22:01:24 2022
@author: xiuzhang
"""
import os
import cv2
import numpy as np
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn.metrics import confusion_matrix, classification_report
from keras.utils import np_utils
from keras.models import Sequential
from keras.layers import Dense, Activation, BatchNormalization, Dropout, Flatten
from keras.layers import Conv2D, MaxPooling2D, GlobalAveragePooling2D
from keras.callbacks import ModelCheckpoint
#GPU加速
import os
import tensorflow as tf
os.environ["CUDA_DEVICES_ORDER"] = "PCI_BUS_IS"
os.environ["CUDA_VISIBLE_DEVICES"] = "0"
#指定了每个GPU进程中使用显存的上限,0.9表示可以使用GPU 90%的资源进行训练
gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.8)
sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options))
#-----------------------------------------------------------------------
# 第一步 切分训练集和测试集
#-----------------------------------------------------------------------
X = [] #定义图像名称
Y = [] #定义图像分类类标
Z = [] #定义图像像素
for i in range(0, 10):
#遍历文件夹，读取图片
for f in os.listdir("data/%s" % i):
#获取图像名称
X.append("data//" +str(i) + "//" + str(f))
#获取图像类标即为文件夹名称
Y.append(i)
X = np.array(X)
Y = np.array(Y)
#随机率为100% 选取其中的30%作为测试集
X_train, X_test, y_train, y_test = train_test_split(X, Y,
test_size=0.3,
random_state=1)
print(len(X_train), len(X_test), len(y_train), len(y_test))
#------------------------------------------------------------------------
# 第二步 图像读取及转换为像素直方图
#------------------------------------------------------------------------
#训练集
XX_train = []
for i in X_train:
image = cv2.imread(i)
img = cv2.resize(image,(224,224),interpolation=cv2.INTER_CUBIC)
res = img.astype('float32')/255
#print(img)
#print(img.shape) #(256, 256, 3)
#print(res)
XX_train.append(res)
#测试集
XX_test = []
for i in X_test:
image = cv2.imread(i)
img = cv2.resize(image,(224,224),interpolation=cv2.INTER_CUBIC)
res = img.astype('float32')/255
XX_test.append(res)
train_images_scaled = np.array(XX_train)
test_images_scaled = np.array(XX_test)
print(type(train_images_scaled))
print(train_images_scaled.shape,test_images_scaled.shape)
# <class 'numpy.ndarray'>
# (700, 256, 256, 3) (300, 256, 256, 3)
#将类向量转化为类矩阵 [0 0 0 0 0 1 0 0 0 0]
train_labels_encoded = np_utils.to_categorical(y_train, num_classes=10)
test_labels_encoded = np_utils.to_categorical(y_test, num_classes=10)
print(train_labels_encoded.shape, test_labels_encoded.shape)
#---------------------------------------------------------------------
# 第三步 AlexNet模型设计
#---------------------------------------------------------------------
#定义模型
def create_model(optimizer='adam', kernel_initializer='he_normal', activation='relu'):
#第一层卷积
#卷积核数量96 尺寸11*11 步长4 激活函数relu
#最大池化 尺寸3*3，步长2
model = Sequential()
model.add(Conv2D(filters=96,
kernel_size=11,
strides=4,
input_shape=(224, 224, 3),
activation=activation))
model.add(MaxPooling2D(pool_size=3, strides=2))
#第二层卷积
#卷积核数量256 尺寸5*5 激活函数relu same卷积
#最大池化 尺寸3*3，步长2
model.add(Conv2D(filters=256,
kernel_size=5,
padding='same',
activation=activation))
model.add(MaxPooling2D(pool_size=3, strides=2))
#第三层卷积
#卷积核数量384 尺寸3 激活函数relu same卷积
model.add(Conv2D(filters=384,
kernel_size=3,
padding='same',
activation=activation))
#第四层卷积
#卷积核数量384 尺寸3 激活函数relu same卷积
model.add(Conv2D(filters=384,
kernel_size=3,
padding='same',
activation=activation))
#第五层卷积
#卷积核数量256 尺寸3 激活函数relu same卷积
#最大池化 尺寸3*3，步长2
model.add(Conv2D(filters=256,
kernel_size=3,
padding='same',
activation=activation))
model.add(MaxPooling2D(pool_size=3, strides=2))
#展平特征图
model.add(Flatten())
#第一个全连接 4096神经元 relu
model.add(Dense(4096, activation='relu'))
model.add(Dropout(0.5))
#第二个全连接 4096神经元 relu
model.add(Dense(4096, activation='relu'))
model.add(Dropout(0.5))
#第二个全连接 输出10类结果
model.add(Dense(10, activation='softmax'))
#损失函数定义
model.compile(loss='categorical_crossentropy',
metrics=['accuracy'],
optimizer=optimizer)
return model
#创建模型
model = create_model(optimizer='Adam',
kernel_initializer='uniform',
activation='relu')
model.summary()
#----------------------------------------------------------------
# 第四步 模型绘制
#----------------------------------------------------------------
from keras.utils.vis_utils import plot_model
from IPython.display import Image as IPythonImage
plot_model(model, to_file="AlexNet-model.png", show_shapes=True)
display(IPythonImage('AlexNet-model.png'))
#绘制图形
def plot_loss_accuracy(history):
# Loss
plt.figure(figsize=[8,6])
plt.plot(history.history['loss'],'r',linewidth=3.0)
plt.plot(history.history['val_loss'],'b',linewidth=3.0)
plt.legend(['Training loss', 'Validation Loss'],fontsize=18)
plt.xlabel('Epochs ',fontsize=16)
plt.ylabel('Loss',fontsize=16)
plt.title('Loss Curves',fontsize=16)
# Accuracy
plt.figure(figsize=[8,6])
plt.plot(history.history['accuracy'],'r',linewidth=3.0)
plt.plot(history.history['val_accuracy'],'b',linewidth=3.0)
plt.legend(['Training Accuracy', 'Validation Accuracy'],fontsize=18)
plt.xlabel('Epochs ',fontsize=16)
plt.ylabel('Accuracy',fontsize=16)
plt.title('Accuracy Curves',fontsize=16)
#混淆矩阵
def get_predicted_classes(model, data, labels=None):
image_predictions = model.predict(data)
predicted_classes = np.argmax(image_predictions, axis=1)
true_classes = np.argmax(labels, axis=1)
return predicted_classes, true_classes, image_predictions
def get_classification_report(y_true, y_pred):
print(classification_report(y_true, y_pred, digits=4)) #小数点4位
checkpointer = ModelCheckpoint(filepath='weights-AlexNet.hdf5',
verbose=1,
save_best_only=True)
#----------------------------------------------------------------
# 第五步 模型训练测试
#----------------------------------------------------------------
flag = "train"
if flag=="train":
history = model.fit(train_images_scaled,
train_labels_encoded,
validation_data=(test_images_scaled,test_labels_encoded),
epochs=15,
batch_size=20,
verbose=1,
callbacks=[checkpointer])
print(history)
plot_loss_accuracy(history)
else:
#加载具有最佳验证损失的模型
model.load_weights('weights-AlexNet.hdf5')
metrics = model.evaluate(test_images_scaled,
test_labels_encoded,
verbose=1)
print("Test Accuracy: {}".format(metrics[1]))
print("Test Loss: {}".format(metrics[0]))
y_pred, y_true, image_predictions = get_predicted_classes(model,
test_images_scaled,
test_labels_encoded)
get_classification_report(y_true, y_pred)
3.结果评估
输出结果如下图所示：
700 300 700 300
<class 'numpy.ndarray'>
(700, 224, 224, 3) (300, 224, 224, 3)
(700, 10) (300, 10)
Model: "sequential_12"
_________________________________________________________________
Layer (type) Output Shape Param #
=================================================================
conv2d_28 (Conv2D) (None, 54, 54, 96) 34944
_________________________________________________________________
max_pooling2d_20 (MaxPooling (None, 26, 26, 96) 0
_________________________________________________________________
conv2d_29 (Conv2D) (None, 26, 26, 256) 614656
_________________________________________________________________
max_pooling2d_21 (MaxPooling (None, 12, 12, 256) 0
_________________________________________________________________
conv2d_30 (Conv2D) (None, 12, 12, 384) 885120
_________________________________________________________________
conv2d_31 (Conv2D) (None, 12, 12, 384) 1327488
_________________________________________________________________
conv2d_32 (Conv2D) (None, 12, 12, 256) 884992
_________________________________________________________________
max_pooling2d_22 (MaxPooling (None, 5, 5, 256) 0
_________________________________________________________________
flatten_1 (Flatten) (None, 6400) 0
_________________________________________________________________
dense_11 (Dense) (None, 4096) 26218496
_________________________________________________________________
dropout_10 (Dropout) (None, 4096) 0
_________________________________________________________________
dense_12 (Dense) (None, 4096) 16781312
_________________________________________________________________
dropout_11 (Dropout) (None, 4096) 0
_________________________________________________________________
dense_13 (Dense) (None, 10) 40970
=================================================================
Total params: 46,787,978
Trainable params: 46,787,978
Non-trainable params: 0
_________________________________________________________________
10/10 [==============================] - 5s 402ms/step - loss: 1.1930 - accuracy: 0.6300
Test Accuracy: 0.6299999952316284
Test Loss: 1.1930060386657715
precision recall f1-score support
0 0.4583 0.3548 0.4000 31
1 0.4865 0.5806 0.5294 31
2 0.3571 0.1923 0.2500 26
3 0.5909 0.8966 0.7123 29
4 0.8857 0.9688 0.9254 32
5 0.6279 0.7941 0.7013 34
6 0.8621 0.8333 0.8475 30
7 0.7333 0.8462 0.7857 26
8 0.5833 0.2258 0.3256 31
9 0.5312 0.5667 0.5484 30
accuracy 0.6300 300
macro avg 0.6116 0.6259 0.6026 300
weighted avg 0.6145 0.6300 0.6061 300
AlexNet模型绘制如下：
PS：模型绘制plot_model部分代码可以注释，需要读者自行安装插件。
五.总结
写到这里，这篇文章就介绍结束了，希望对您有所帮助。最后比较下性能。
- NB：P-0.6340、R-0.6067、F-0.5984
- CNN：P-0.5789、R-0.5533、F-0.5476
- Alexnet：P-0.6145、R-0.6300、F-0.6061
同时，您在开展图像分类研究或使用上述代码时，可能存在如下问题：
- 为什么机器学习效果比深度学习好？
个人感觉和数据集相关，100x10张图片比价少，无法发挥深度学习优势 - 为什么机器学习用直方图，而深度学习用全像素？
读者可以进行不同类型的对比，机器学习感觉适用于小规模数据集，像素计划会将相似图像划分，但存在噪声较大；真实的分类应该按照图像的各像素特征学习实现，因此深度学习会更好，适用于全像素 - 图像增强对图像分类有用吗？
有用的，图像增强能获得更高质量得原始图像，提升分类效果 - 如果图像比较少，怎么办呢？
读者可以进行图像扩充和增强，比如旋转、翻转、移动等处理，从而扩充数据集。 - 如何对卷积神经网络进行调参呢？
参考下图，部分方法还是适用的，具体需要结合你的论文或延吉调整。
目录：
- 一.图像分类概述
1.图像分类
2.数据集 - 二.基于NB的图像分类
1.朴素贝叶斯分类算法
2.代码实现
3.结果评估 - 三.基于CNN的图像分类
1.卷积神经网络概念
2.代码实现
3.结果评估 - 四.基于AlexNet的图像分类
1.AlexNet模型
2.代码实现
3.结果评估 - 五.总结
希望您喜欢这篇文章，从看视频到撰写代码，我真的写了一周时间，再次感谢参考文献的老师们。真心希望这篇文章对您有所帮助，加油！今年闭关搞论文，非诚勿扰，如果有时间就会在CSDN分享更多高质量的文章和专栏，继续加油，感恩前行！
(By:Eastmount 2022-04-10 夜于贵阳 http://blog.csdn.net/eastmount/ )