【图像识别】CIFAR-10（CNN）

╰半夏微凉° 2021-11-05 23:24 833阅读 0赞

> ### 一、CIFAR-10简介 ###
> 
> [CIFAR-10官网][CIFAR-10]
> 
> CIFAR-10 是由 Hinton的学生Alex Krizhevsky和 Ilya Sutskever 整理的一个用于识别普适物体的小型数据集。  
> 它一共包含10个类别的RGB彩色图片，具体参考如下图：
> 
> ![Vici\_\_CIFAR1][Vici_CIFAR1]
> 
> 数据集中一共有5000张训练图片和1000张测试图片，图片的尺寸大小为 32 \* 32。
> 
> **官方提供文件介绍：**
> 
> <table style="width:500px;"> 
>  <tbody> 
>   <tr> 
>    <td>文件</td> 
>    <td>用途</td> 
>   </tr> 
>   <tr> 
>    <td>cifar10.py</td> 
>    <td>建立 CIFAR-10 预测模型</td> 
>   </tr> 
>   <tr> 
>    <td>cifar10_input.py</td> 
>    <td>在 TensorFlow 中读入 CIFAR-10 文件</td> 
>   </tr> 
>   <tr> 
>    <td>cifar10_input_test.py</td> 
>    <td>cifar10_input.py 的测试用例文件</td> 
>   </tr> 
>   <tr> 
>    <td>cifar10_train.py</td> 
>    <td>使用单个GPU或CPU训练模型</td> 
>   </tr> 
>   <tr> 
>    <td>cifar10_train_multi_gpu.py</td> 
>    <td>使用多个GPU训练模型</td> 
>   </tr> 
>   <tr> 
>    <td>cifar10_eval.py</td> 
>    <td>在测试集上测试模型的性能</td> 
>   </tr> 
>  </tbody> 
> </table>
> 
> *- cifar10.py 文件中的 inference(images) 函数是官方提供的模型。*

> ### 二、CIFAR-10 和 MNIST数据集的区别 ###
> 
> <table style="width:611px;"> 
>  <tbody> 
>   <tr> 
>    <td style="width:122px;">&nbsp;</td> 
>    <td style="width:328px;">CIFAR-10</td> 
>    <td style="width:159px;">MNIST</td> 
>   </tr> 
>   <tr> 
>    <td style="width:122px;">图像通道数</td> 
>    <td style="width:328px;">3 通道的 RGB 图像</td> 
>    <td style="width:159px;">灰度图像</td> 
>   </tr> 
>   <tr> 
>    <td style="width:122px;">尺寸大小</td> 
>    <td style="width:328px;">32 × 32</td> 
>    <td style="width:159px;">28 × 28</td> 
>   </tr> 
>   <tr> 
>    <td style="width:122px;">图片内容</td> 
>    <td style="width:328px;">现实世界的真实物体</td> 
>    <td style="width:159px;">0 ~ 9 数字</td> 
>   </tr> 
>   <tr> 
>    <td style="width:122px;">图片特点</td> 
>    <td style="width:328px;"> <p>噪声很大，可能有背景图片或其他物体干扰；</p> <p><br> 物体的比例、特征都不尽相同，识别难度大</p> </td> 
>    <td style="width:159px;"> <p>噪声小，干扰物体少；</p> <p><br> 易识别</p> </td> 
>   </tr> 
>  </tbody> 
> </table>

> ### 三、参考官方代码编写CNN模型 ###
> 
>     import tensorflow as tf
>     import numpy as np
>     import time
>     import math
>     # 官方提供的两个文件，用于对数据集的输入等操作
>     import cifar10
>     import cifar10_input
>     
>     max_steps = 3000 # 训练次数
>     batch_size = 128 # 批处理参数
>     
>     # ---1.加载数据 ---
>     
>     # 下载cifar10数据集的默认路径，需要把cifar10.py/line 53/对应代码改一下
>     data_dir = 'D:/Python_code/Data/cifar-10-python/cifar-10-batches-bin'
>     
>     # 权值初始化函数（shape，标准差，L2正则化比例系数）
>     def variable_with_weight_losses(shape, stddev, wl):
>       # 使用tf.truncated_normal截断的正态分布来初始化
>       var = tf.Variable(tf.truncated_normal(shape, stddev=stddev))
>       if wl is not None:
>         # 做一个L2的正则化处理，用wl控制L2的大小比例
>         weight_loss = tf.multiply(tf.nn.l2_loss(var), wl, name='weight_loss')
>         # 将weight_loss统一存放起来
>         tf.add_to_collection("losses", weight_loss)
>       return var
>     
>     # 调用cifar10.py中的一个函数，下载数据集，并解压
>     cifar10.maybe_download_and_extract()
>     
>     # 生成训练数据，使用distorted_inputs函数，做数据增强处理
>     images_train, labels_train = cifar10_input.distorted_inputs(data_dir=data_dir, batch_size=batch_size)
>     # 生成测试数据，不必做数据增强
>     images_test, labels_test = cifar10_input.inputs(eval_data=True, data_dir=data_dir, batch_size=batch_size)
>     
>     # 占位符
>     image_holder = tf.placeholder(tf.float32, [batch_size, 24, 24, 3])
>     label_holder = tf.placeholder(tf.int32, [batch_size])
>     
>     
>     # ---2. 构建模型 ---
>     
>     # 第一层卷积层，64个卷积核，大小为5*5，3通道（RGB三种颜色通道）
>       # 1).定义权重
>     weight1 = variable_with_weight_losses(shape=[5,5,3,64], stddev=0.05, wl=0.0)
>       # 2).卷积操作
>     kernel1 = tf.nn.conv2d(image_holder, filter=weight1, strides=[1, 1, 1, 1], padding='SAME')
>       # 3).定义偏差
>     bias1 = tf.Variable(tf.constant(0.0, shape=[64]))
>       # 4).relu激活函数
>     conv1 = tf.nn.relu(tf.nn.bias_add(kernel1, bias1))
>       # 5).最大池化
>     pool1 = tf.nn.max_pool(conv1, ksize=[1, 3, 3, 1], strides=[1, 2, 2, 1], padding='SAME')
>       # 6.lrn: 局部响应归一化，可防止过拟合，原理是生物学上的‘侧抑制’，（通俗来讲就是增强强的地方，削弱弱的地方）
>       # pool1表示输入数据，4表示使用前后几层进行归一化操作，bias表示偏移量，alpha和beta表示系数
>     norm1 = tf.nn.lrn(pool1, 4, bias=1.0, alpha=0.001/9.0, beta=0.75)
>     
>     # 第二层卷积层
>     weight2 = variable_with_weight_losses(shape=[5,5,64,64], stddev=5e-2, wl=0.0)
>     kernel2 = tf.nn.conv2d(norm1, filter=weight2, strides=[1, 1, 1, 1], padding='SAME')
>     bias2 = tf.Variable(tf.constant(0.1, shape=[64]))
>     conv2 = tf.nn.relu(tf.nn.bias_add(kernel2, bias2))
>     norm2 = tf.nn.lrn(conv2, 4, bias=1.0, alpha=0.001/9.0, beta=0.75)
>     pool2 = tf.nn.max_pool(norm2, ksize=[1, 3, 3, 1], strides=[1, 2, 2, 1], padding='SAME')
>     
>     # 第三层全连接层
>     # 将第二层卷积层输出结果变成一维向量
>     reshape = tf.reshape(pool2, [batch_size, -1])
>     dim = reshape.get_shape()[1].value
>     # 初始化权值，隐含节点384个，正态分布标准差为0.04，偏差bias为0.1
>     weight3 = variable_with_weight_losses(shape=[dim,384], stddev=0.04, wl=0.004)
>     bias3 = tf.Variable(tf.constant(0.1, shape=[384]))
>     local3 = tf.nn.relu(tf.matmul(reshape, weight3) + bias3)
>     
>     # 第四层全连接层
>     weight4 = variable_with_weight_losses(shape=[384,192], stddev=0.04, wl=0.004)
>     bias4 = tf.Variable(tf.constant(0.1, shape=[192]))
>     local4 = tf.nn.relu(tf.matmul(local3, weight4) + bias4)
>     
>     # 第五层输出层
>     weight5 = variable_with_weight_losses(shape=[192,10], stddev=1/192.0, wl=0.0)
>     bias5 = tf.Variable(tf.constant(0.0, shape=[10]))
>     logits = tf.add(tf.matmul(local4, weight5), bias5)
>     
>     # 定义损失函数
>     def loss(logits, labels):
>       labels = tf.cast(labels, tf.int64)
>       # 交叉熵损失函数
>       cross_entropy = tf.reduce_mean(tf.nn.sparse_softmax_cross_entropy_with_logits(
>         logits=logits, labels=labels
>       ))
>       tf.add_to_collection('losses', cross_entropy)
>       return tf.add_n(tf.get_collection('losses'), name='total_loss')
>     
>     loss = loss(logits=logits,labels=label_holder)
>     train_op = tf.train.AdamOptimizer(0.001).minimize(loss)
>     top_k_op = tf.nn.in_top_k(logits, label_holder, 1)
>     
>     # ---3. 训练模型---
>     sess = tf.InteractiveSession()
>     tf.global_variables_initializer().run()
>     # 引入多线程
>     tf.train.start_queue_runners()
>     
>     for step in range(max_steps):
>       start_time = time.time()
>       image_batch, label_batch = sess.run([images_train, labels_train])
>       _, loss_value = sess.run([train_op, loss], feed_dict={image_holder: image_batch, label_holder: label_batch})
>       duration = time.time() - start_time
>       if step % 10 == 0:
>         examples_per_sec = batch_size / duration
>         sec_per_batch = float(duration)
>         str = 'step %d, loss = %.2f (%.1f examples/sec; %.3f sec/batch)'
>         #print(step, loss_value)
>         print(str % (step, loss_value, examples_per_sec, sec_per_batch))
>     
>     num_examples = 10000
>     num_iter = int(math.ceil(num_examples / batch_size))
>     true_count = 0
>     total_sample_count = num_iter * batch_size
>     step = 0
>     while step < num_iter:
>       image_batch, label_batch = sess.run([images_test, labels_test])
>       predictions = sess.run([top_k_op], feed_dict={image_holder: image_batch, label_holder: label_batch})
>       true_count += np.sum(predictions)
>       step += 1
>     
>     precision = true_count / total_sample_count
>     print('precision = %.3f' % precision)

> ### 四、训练结果 ###
> 
> 左图是基于 MNIST 采用 **RMSProp** 算法的优化器；  
> 右图是参考书籍采用 **Adam** 优化器。  
> 测试次数都是3000次。
> 
> ### ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1ZpY2lfXw_size_16_color_FFFFFF_t_70][] ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1ZpY2lfXw_size_16_color_FFFFFF_t_70 1][] ###

**参考文献：**

1.  《21个项目玩转深度学习》何之源
2.  [bilibili - CNN识别图片][bilibili - CNN]
3.  [CIFAR 官网][CIFAR-10]

[CIFAR-10]: http://www.cs.toronto.edu/~kriz/cifar.html
[Vici_CIFAR1]: /images/20211104/66c3db1756e2438b84b4ad5cacd1ff9f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1ZpY2lfXw_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20190809163834740.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1ZpY2lfXw==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1ZpY2lfXw_size_16_color_FFFFFF_t_70 1]: /images/20211104/eb3013c60f654018bfb4b8be4b93fc0d.png
[bilibili - CNN]: https://www.bilibili.com/video/av47460814/?p=6&t=4362