基于转移学习的图像识别

Posted 2021-04-06 小白学视觉

重磅干货，第一时间送达

01.前言

我们希望编写一个简单的算法用来识别狗狗的品种，假设我们想知道这只狗是什么品种。

算法该如何分辨这只狗可能属于哪个品种？当然小伙伴们可以训练自己的卷积神经网络来对这张图片进行分类，但是通常情况下我们既没有GPU的计算能力，也没有时间去训练自己的神经网络。但是，全世界的各个研究团队（例如牛津，谷歌，微软）都拥有足够的计算能力，时间和金钱，而且以前可能已经解决过一些类似的问题。我们该如何利用他们已经完成的工作呢？现在来让我们了解一个重要的概念——转移学习。

02.卷积神经网络

在此之前我们先简要介绍一下什么是卷积神经网络。

卷积神经网络（CNN）是一种用于图像分类的神经网络架构，通常包含卷积层和池化层两种类型。卷积层接受输入图像并将其抽象为简单的特征图，池化层则是为了降低特征图的维数。这两层的目的是简化寻找特征的过程，并减少过度拟合的数量。典型的CNN架构如下所示：

03.训练自己的CNN模型

如果我们要使用预训练的模型，那么知道什么是卷积层和池化层有什么意义呢？让我们先看看训练CNN需要做什么。

我们首先将添加了几个卷积层和池化层，并在最后加上了一个全连接层。选择softmax作为激活函数激活。我们希望该网络可以判断出图片中狗狗最有可能的品种，但不幸的是它只有5％的测试集准确度，可以说非常不准确了。此外，经过20次迭代后在验证集上的平均损失约为4.5，已经很高了。

04.使用转移学习逻辑

这就是为什么要使用转移学习，我们应该尽可能多地使用迁移学习，而不是构建自己的体系结构。转移学习实际上是采用预先训练的神经网络，对其进行定义，并将其用于自己的预测任务。

如果我们要构建一种预测狗的品种的算法一般会按照一下逻辑进行：所有图片、所有动物、所有的狗以及特定犬种进行。因此如果我们已经找到可以正确识别狗的模型，只需要在其之上添加一层来预测狗的品种就可以了，那我们该

怎么操作呢？ 

为了最大程度地利用转移学习，我们需要仔细考虑转移到模型中的“学习”。

从预先训练的模型中转移学习Keras是一个基于Python的深度学习库，已经为我们编译了多个训练好了的模型。在本练习中，我们将研究两种常见的预训练模型：VGG16和Resnet50。我们可以将这些经过预先训练的模型导入环境，然后在该模型之上添加一层对133个犬种进行分类。总结一下，我们需要做的包括：

1.选择一个有很多狗狗的数据库

2.找到预先训练过的模型对狗进行分类（例如VGG16和Resnet50）

3.添加我们自己的自定义图层以对狗的品种进行分类

用于转移学习的自定义层

我们将使用三种基本架构，以对预训练的模型进行微调。

与所有这三种方法一样，我们以全连接层和softmax激活函数结束。保证我们能够预测133个犬种。

方法1：具有损失的完全连接的层

通过完全连接层，所有先前的节点（或感知）都连接到该层中的所有节点。这种类型的体系结构用于典型的神经网络体系结构（而不是CNN）。我们添加了额外的损失和密集层，以减少过度拟合。CNN首先使用卷积层的部分原因是为了避免这种过度拟合。

方法2：全局平均池层

全局平均池化层（GAP层）是一个池化层，通过它可以获取上一层中连接的所有节点的平均值。这是减少网络尺寸的标准CNN技术。

方法3：具有损失的全局平均池

在方法二之上，我们还希望添加退出层和密集层，以进一步减少过度拟合。

评估预训练模型和自定义层的性能

为此，让我们尝试VGG16和Resnet50预先训练的模型，并在顶部添加方法2的架构，看看会发生什么。我们将在每种CNN架构的测试集上报告损失函数和准确性。损失函数——预测与实际结果相差多远，预测值越大，模型拟合数据点的准确性越差。测试集的准确性——模型对测试集数据预测的准确性。

VGG16 + GAP

通过这种体系结构，我们发现测试集精度为55.0％，经过60次迭代后平均损失约为7。此架构比我们的训练模型准确得多，但损失也更高。损耗较高时，这意味着该模型体系结构的某些功能无法很好地捕获，即高偏差。

Resnet50 + GAP

使用这种架构，我们发现测试集的准确度为81.9％，经过50次迭代后平均损失约为1.0。这是对VGG16 + GAP的重大改进。但是，训练和验证集损失之间的差距更大，这意味着该模型可能会更多地拟合数据，即高方差。我们之前提出了一个全连接层来进行测试。但是，看到所有模型的差异都很大。因此，让我们尝试进一步扩大尺寸，以减少过度拟合。

Resnet50 + GAP + Dropout 

使用这种架构，我们发现测试集的准确度为81.7％，经过50次迭代后平均损失约为0.8。这与以前的体系结构大致相同。

回顾与展望

通过转移学习，我们在CNN架构上的准确度从5％提高到82％。最重要的是，我们花费了很少的时间来构建CNN架构，并且使用的GPU功能也很少。

使用预先训练的模型大大的节省我们的时间。在此过程中，改进了识别狗狗的分类模型。但是，该模型仍然有过拟合的趋势。

代码链接：https://github.com/kendricng/udacity-ds-capstone

交流群