圖像分類是什么？AlexNet手寫數(shù)字圖像識別

圖像分類

圖像分類實質(zhì)上就是從給定的類別集合中為圖像分配對應(yīng)標(biāo)簽的任務(wù)。也就是說我們的任務(wù)是分析一個輸入圖像并返回一個該圖像類別的標(biāo)簽。

假定類別集為categories = {dog, cat, panda}，之后我們提供一張圖片給分類模型，如下圖所示：

分類模型給圖像分配多個標(biāo)簽，每個標(biāo)簽的概率值不同，如dog:95%，cat:4%，panda:1%，根據(jù)概率值的大小將該圖片分類為dog，那就完成了圖像分類的任務(wù)。下面利用AlexNet完成圖像分類過程的講解。

AlexNet完手寫數(shù)字勢識別

2012年，AlexNet橫空出世，該模型的名字源于論文第一作者的姓名Alex Krizhevsky 。AlexNet使用了8層卷積神經(jīng)網(wǎng)絡(luò)，以很大的優(yōu)勢贏得了ImageNet 2012圖像識別挑戰(zhàn)賽。它首次證明了學(xué)習(xí)到的特征可以超越手工設(shè)計的特征，從而一舉打破計算機(jī)視覺研究的方向。

AlexNet使用ImageNet數(shù)據(jù)集進(jìn)行訓(xùn)練，但因為ImageNet數(shù)據(jù)集較大訓(xùn)練時間較長，我們?nèi)杂们懊娴腗NIST數(shù)據(jù)集來演示AlexNet。讀取數(shù)據(jù)的時將圖像高和寬擴(kuò)大到AlexNet使用的圖像高和寬227。這個通過tf.image.resize_with_pad來實現(xiàn)。

數(shù)據(jù)讀取

首先獲取數(shù)據(jù),并進(jìn)行維度調(diào)整：

import numpy as np
# 獲取手寫數(shù)字?jǐn)?shù)據(jù)集
(train_images, train_labels), (test_images, test_labels) = mnist.load_data()
# 訓(xùn)練集數(shù)據(jù)維度的調(diào)整：N H W C
train_images = np.reshape(train_images,(train_images.shape[0],train_images.shape[1],train_images.shape[2],1))
# 測試集數(shù)據(jù)維度的調(diào)整：N H W C
test_images = np.reshape(test_images,(test_images.shape[0],test_images.shape[1],test_images.shape[2],1))

由于使用全部數(shù)據(jù)訓(xùn)練時間較長，我們定義兩個方法獲取部分?jǐn)?shù)據(jù)，并將圖像調(diào)整為227*227大小，進(jìn)行模型訓(xùn)練：

# 定義兩個方法隨機(jī)抽取部分樣本演示# 獲取訓(xùn)練集數(shù)據(jù)def get_train(size):
    # 隨機(jī)生成要抽樣的樣本的索引
    index = np.random.randint(0, np.shape(train_images)[0], size)
    # 將這些數(shù)據(jù)resize成227*227大小
    resized_images = tf.image.resize_with_pad(train_images[index],227,227,)
    # 返回抽取的
    return resized_images.numpy(), train_labels[index]# 獲取測試集數(shù)據(jù) def get_test(size):
    # 隨機(jī)生成要抽樣的樣本的索引
    index = np.random.randint(0, np.shape(test_images)[0], size)
    # 將這些數(shù)據(jù)resize成227*227大小
    resized_images = tf.image.resize_with_pad(test_images[index],227,227,)
    # 返回抽樣的測試樣本
    return resized_images.numpy(), test_labels[index]

調(diào)用上述兩個方法，獲取參與模型訓(xùn)練和測試的數(shù)據(jù)集：

# 獲取訓(xùn)練樣本和測試樣本
train_images,train_labels = get_train(256)
test_images,test_labels = get_test(128)

為了讓大家更好的理解，我們將數(shù)據(jù)展示出來：

# 數(shù)據(jù)展示：將數(shù)據(jù)集的前九個數(shù)據(jù)集進(jìn)行展示for i in range(9):
    plt.subplot(3,3,i+1)
    # 以灰度圖顯示，不進(jìn)行插值
    plt.imshow(train_images[i].astype(np.int8).squeeze(), cmap='gray', interpolation='none')
    # 設(shè)置圖片的標(biāo)題：對應(yīng)的類別
    plt.title("數(shù)字{}".format(train_labels[i]))

結(jié)果為：