深度有趣 | 09 Inception-v3圖片分類

簡介

Inception-v3是由Google提出，用於實現ImageNet大規模視覺識別任務（ImageNet Large Visual Recognition Challenge）的一種神經網絡

Inception-v3反覆使用了Inception Block，涉及大量的卷積和池化，而ImageNet包括1400多萬張圖片，類別數超過1000

所以手動在ImageNet上訓練Inception-v3，須要耗費大量的資源和時間

這裏咱們選擇加載pre-trained的Inception-v3模型，來完成一些圖片分類任務

準備

預訓練好的模型共包括三個部分

• classify_image_graph_def.pb：Inception-v3模型結構和參數
• imagenet_2012_challenge_label_map_proto.pbtxt：從類別編號到類別字符串的對應關係
• imagenet_synset_to_human_label_map.txt：從類別字符串到類別名的對應關係

例如，169對應n02510455，對應giant panda, panda, panda bear, coon bear, Ailuropoda melanoleuca

圖片分類

加載庫

# -*- coding: utf-8 -*-

import tensorflow as tf
import numpy as np
複製代碼

整理兩個映射文件，獲得從類別編號到類別名的對應關係

uid_to_human = {}
for line in tf.gfile.GFile('imagenet_synset_to_human_label_map.txt').readlines():
	items = line.strip().split('\t')
	uid_to_human[items[0]] = items[1]

node_id_to_uid = {}
for line in tf.gfile.GFile('imagenet_2012_challenge_label_map_proto.pbtxt').readlines():
	if line.startswith(' target_class:'):
		target_class = int(line.split(': ')[1])
	if line.startswith(' target_class_string:'):
		target_class_string = line.split(': ')[1].strip('\n').strip('\"')
		node_id_to_uid[target_class] = target_class_string

node_id_to_name = {}
for key, value in node_id_to_uid.items():
	node_id_to_name[key] = uid_to_human[value]
複製代碼

加載模型

def create_graph():
	with tf.gfile.FastGFile('classify_image_graph_def.pb', 'rb') as f:
		graph_def = tf.GraphDef()
		graph_def.ParseFromString(f.read())
		_ = tf.import_graph_def(graph_def, name='')
複製代碼

定義一個分類圖片的函數

def classify_image(image, top_k=1):
	image_data = tf.gfile.FastGFile(image, 'rb').read()

	create_graph()

	with tf.Session() as sess:
		# 'softmax:0': A tensor containing the normalized prediction across 1000 labels
		# 'pool_3:0': A tensor containing the next-to-last layer containing 2048 float description of the image
		# 'DecodeJpeg/contents:0': A tensor containing a string providing JPEG encoding of the image
		softmax_tensor = sess.graph.get_tensor_by_name('softmax:0')
		predictions = sess.run(softmax_tensor, feed_dict={'DecodeJpeg/contents:0': image_data})
		predictions = np.squeeze(predictions)

		top_k = predictions.argsort()[-top_k:]
		for node_id in top_k:
			human_string = node_id_to_name[node_id]
			score = predictions[node_id]
			print('%s (score = %.5f)' % (human_string, score))
複製代碼

調用函數進行圖片分類，指定參數top_k能夠返回最可能的多種分類結果

classify_image('test1.png')
複製代碼

分類結果以下

• test1：giant panda, panda, panda bear, coon bear, Ailuropoda melanoleuca (score = 0.89107)
• test2：Pekinese, Pekingese, Peke (score = 0.90348)
• test3：Samoyed, Samoyede (score = 0.92054)

定製分類任務

Inception-v3是針對ImageNet圖片分類任務設計的，所以最後一層全鏈接層的神經元個數和分類標籤個數相同

若是須要定製分類任務，只須要使用本身的標註數據，而後替換掉最後一層全鏈接層便可

最後一層全鏈接層的神經元個數等於定製分類任務的標籤個數，模型只訓練最後一層的參數，其餘參數保持不變

保留了Inception-v3對於圖像的理解和抽象能力，同時知足定製的分類任務，屬於遷移學習的一種典型應用場景

TensorFlow官方提供瞭如何在Inception-v3上進行遷移學習的教程

www.tensorflow.org/tutorials/i…

所使用的數據包括五種花的拍攝圖片

• daisy：雛菊
• dandelion：蒲公英
• roses：玫瑰
• sunflowers：向日葵
• tulips：鬱金香

去掉最後一層全鏈接層後，對於一張圖片輸入，模型輸出的表示稱做Bottleneck

事先計算好所有圖片的Bottleneck並緩存下來，能夠節省不少訓練時間，由於後續只需計算和學習Bottleneck到輸出標籤之間的隱層便可

TensorFlow官方提供了重訓練的代碼

github.com/tensorflow/…

在命令行中使用，一些可選的命令行參數包括

• --image_dir：訓練圖片目錄
• --output_graph：模型保存目錄
• --output_labels：模型標籤保存目錄
• --summaries_dir：模型日誌保存目錄
• --how_many_training_steps：訓練迭代次數，默認爲4000
• --learning_rate：學習率，默認爲0.01
• --testing_percentage：測試集比例，默認爲10%
• --validation_percentage：校驗集比例，默認爲10%
• --eval_step_interval：模型評估頻率，默認10次迭代評估一次
• --train_batch_size：訓練批大小，默認爲100
• --print_misclassified_test_images：是否輸出全部錯誤分類的測試集圖片，默認爲False
• --model_dir：Inception-v3模型路徑
• --bottleneck_dir：Bottleneck緩存目錄
• --final_tensor_name：新增的最後一層全鏈接層的名稱，默認爲final_result
• --flip_left_right：是否隨機將一半的圖片水平翻轉，默認爲False
• --random_crop：隨機裁剪的比例，默認爲0即不裁剪
• --random_scale：隨機放大的比例，默認爲0即不放大
• --random_brightness：隨機增亮的比例，默認爲0即不增亮
• --architecture：遷移的模型，默認爲inception_v3，準確率最高但訓練時間較長，還能夠選'mobilenet_<parameter size>_<input_size>[_quantized]'，例如mobilenet_1.0_224和mobilenet_0.25_128_quantized

跑一下代碼

python retrain.py --image_dir flower_photos --output_graph output_graph.pb --output_labels output_labels.txt --summaries_dir summaries_dir --model_dir .. --bottleneck_dir bottleneck_dir
複製代碼

此處對於視頻中內容的勘誤

• 將--output_graph以後的output_graph改成output_graph.pb
• 將--output_labels以後的output_labels改成output_labels.txt

在校驗集、測試集上的分類準確率分別爲91%、91.2%

在個人筆記本上一共花了55分鐘，其中44分鐘花在了Bottleneck緩存上，但若是不緩存的話，訓練過程當中每次迭代都必須重複計算一遍

summaries_dir目錄下的訓練日誌可用於TensorBorad可視化

tensorboard --logdir summaries_dir
複製代碼

而後在瀏覽器中訪問http://localhost:6006，便可看到可視化的效果，包括SCALARS、GRAPHS、DISTRIBUTIONS、HISTOGRAMS四個頁面

若是須要完成其餘圖片分類任務，整理相應的標註圖片，並以標籤名做爲子文件夾名稱便可

若是要使用訓練好的模型，參照如下代碼便可

• output_labels.txt：分類類別文件路徑
• output_graph.pb：訓練好的模型路徑
• read_image()：讀取圖片的函數
• input_operation：圖片輸入對應的operation
• output_operation：分類輸出對應的operation
• test.jpg：待分類的圖片路徑

# -*- coding: utf-8 -*-

import tensorflow as tf
import numpy as np

labels = []
for line in tf.gfile.GFile('output_labels.txt').readlines():
	labels.append(line.strip())

def create_graph():
	graph = tf.Graph()
	graph_def = tf.GraphDef()
	with open('output_graph.pb', 'rb') as f:
		graph_def.ParseFromString(f.read())
	with graph.as_default():
		tf.import_graph_def(graph_def)
	return graph

def read_image(path, height=299, width=299, mean=128, std=128):
	file_reader = tf.read_file(path, 'file_reader')
	if path.endswith('.png'):
		image_reader = tf.image.decode_png(file_reader, channels=3, name='png_reader')
	elif path.endswith('.gif'):
		image_reader = tf.squeeze(tf.image.decode_gif(file_reader, name='gif_reader'))
	elif path.endswith('.bmp'):
		image_reader = tf.image.decode_bmp(file_reader, name='bmp_reader')
	else:
		image_reader = tf.image.decode_jpeg(file_reader, channels=3, name='jpeg_reader')
	image_np = tf.cast(image_reader, tf.float32)
	image_np = tf.expand_dims(image_np, 0)
	image_np = tf.image.resize_bilinear(image_np, [height, width])
	image_np = tf.divide(tf.subtract(image_np, [mean]), [std])
	sess = tf.Session()
	image_data = sess.run(image_np)
	return image_data

def classify_image(image, top_k=1):
	image_data = read_image(image)

	graph = create_graph()

	with tf.Session(graph=graph) as sess:
		input_operation = sess.graph.get_operation_by_name('import/Mul')
		output_operation = sess.graph.get_operation_by_name('import/final_result')
		predictions = sess.run(output_operation.outputs[0], feed_dict={input_operation.outputs[0]: image_data})
		predictions = np.squeeze(predictions)

		top_k = predictions.argsort()[-top_k:]
		for i in top_k:
			print('%s (score = %.5f)' % (labels[i], predictions[i]))

classify_image('test.jpg')
複製代碼

參考

• Deep Learning with Tensorflow Part 2 - Image classification：towardsdatascience.com/deep-learni…
• Going deeper with convolutions：arxiv.org/pdf/1409.48…
• ImageNet：image-net.org/
• Image Recognition：www.tensorflow.org/tutorials/i…
• How to Retrain Inception's Final Layer for New Categories：www.tensorflow.org/tutorials/i…
• 卷積神經網絡 - 吳恩達深度學習微專業 - 網易雲課堂mooc.study.163.com/learn/20012…

視頻講解課程

深度有趣（一）