圖像分類實質(zhì)上就是從給定得類別集合中為圖像分配對應(yīng)標簽得任務(wù)。也就是說我們得任務(wù)是分析一個輸入圖像并返回一個該圖像類別得標簽。
假定類別集為categories = {dog, cat, panda}，之后我們提供一張支持給分類模型，如下圖所示：
分類模型給圖像分配多個標簽，每個標簽得概率值不同，如dog:95%，cat:4%，panda:1%，根據(jù)概率值得大小將該支持分類為dog，那就完成了圖像分類得任務(wù)。下面利用AlexNet完成圖像分類過程得講解。
AlexNet完手寫數(shù)字勢識別
2012年，AlexNet橫空出世，該模型得名字源于論文第壹感謝作者分享得姓名Alex Krizhevsky 。AlexNet使用了8層卷積神經(jīng)網(wǎng)絡(luò)，以很大得優(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)到得特征可以超越手工設(shè)計得特征，從而一舉打破計算機視覺研究得方向。
AlexNet使用ImageNet數(shù)據(jù)集進行訓(xùn)練，但因為ImageNet數(shù)據(jù)集較大訓(xùn)練時間較長，我們?nèi)杂们懊娴肕NIST數(shù)據(jù)集來演示AlexNet。讀取數(shù)據(jù)得時將圖像高和寬擴大到AlexNet使用得圖像高和寬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),并進行維度調(diào)整：
import numpy as np# 獲取手寫數(shù)字數(shù)據(jù)集(train_images, train_labels), (test_images, test_labels) = mnist.load_data()# 訓(xùn)練集數(shù)據(jù)維度得調(diào)整：N H W Ctrain_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)維度得調(diào)整：N H W Ctest_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數(shù)據(jù)，并將圖像調(diào)整為227*227大小，進行模型訓(xùn)練：
# 定義兩個方法隨機抽取部分樣本演示# 獲取訓(xùn)練集數(shù)據(jù)def get_train(size): # 隨機生成要抽樣得樣本得索引 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,) # 返回抽取得 return resized_images.numpy(), train_labels[index]# 獲取測試集數(shù)據(jù) def get_test(size): # 隨機生成要抽樣得樣本得索引 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,) # 返回抽樣得測試樣本 return resized_images.numpy(), test_labels[index]
調(diào)用上述兩個方法，獲取參與模型訓(xùn)練和測試得數(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)
為了讓大家更好得理解，我們將數(shù)據(jù)展示出來：
# 數(shù)據(jù)展示：將數(shù)據(jù)集得前九個數(shù)據(jù)集進行展示for i in range(9): plt.subplot(3,3,i+1) # 以灰度圖顯示，不進行插值 plt.imshow(train_images[i].astype(np.int8).squeeze(), cmap='gray', interpolation='none') # 設(shè)置支持得標題：對應(yīng)得類別 plt.title("數(shù)字{}".format(train_labels[i]))
結(jié)果為：
