用keras作CNN卷积网络书本分类（书本非书本）

Posted 2020-10-19 McKay

本文介绍如何使用keras作图片分类（2分类与多分类，其实就一个参数的区别。。。呵呵） 先来看看解决的问题：从一堆图片中分出是不是书本，也就是最终给图片标签上：“书本“、“非书本”，简单吧。 先来看看网络模型，用到了卷积和全连接层，最后套上SOFTMAX算出各自概率，输出ONE-HOT码，主要部件就是这些，下面的nb_classes就是用来控制分类数的，本文是2分类

本文介绍如何使用keras作图片分类（2分类与多分类，其实就一个参数的区别。。。呵呵） 

先来看看解决的问题：从一堆图片中分出是不是书本，也就是最终给图片标签上：“书本“、“非书本”，简单吧。

先来看看网络模型，用到了卷积和全连接层，最后套上SOFTMAX算出各自概率，输出ONE-HOT码，主要部件就是这些，下面的nb_classes就是用来控制分类数的，本文是2分类：

from keras.models import Sequential  
from keras.layers.core import Dense, Dropout, Activation, Flatten  
from keras.layers.convolutional import Convolution2D, MaxPooling2D  
from keras.optimizers import SGD  


def Net_model(nb_classes, lr=0.001,decay=1e-6,momentum=0.9):  
    model = Sequential()  
    model.add(Convolution2D(filters=10, kernel_size=(5,5),
                            padding=\'valid\',  
                            input_shape=(200, 200, 3)))  
    model.add(Activation(\'tanh\'))  
    model.add(MaxPooling2D(pool_size=(2, 2)))  
  
    model.add(Convolution2D(filters=20, kernel_size=(10,10)))
    model.add(Activation(\'tanh\'))  
    model.add(MaxPooling2D(pool_size=(2, 2)))  
    model.add(Dropout(0.25))  
  
    model.add(Flatten())  
    model.add(Dense(1000))
    model.add(Activation(\'tanh\'))  
    model.add(Dropout(0.5))  
    model.add(Dense(nb_classes))  
    model.add(Activation(\'softmax\'))  
  
    sgd = SGD(lr=lr, decay=decay, momentum=momentum, nesterov=True)  
    model.compile(loss=\'categorical_crossentropy\', optimizer=sgd)  
      
    return model  

上面的input_shape=(200, 200, 3)代表图片像素大小为宽高为200，200，并且包含RGB 3通道的图片，不是灰度图片（只要1个通道）

也就是说送入此网络的图片宽高必须200*200*3；如果不是这个shape就需要resize到这个shape

 

下面来看看训练程序，首先肯定是要收集些照片，书本、非书本的照片，我是分别放在了0文件夹和1文件夹下了，再带个验证用途的文件夹validate：

　　

训练程序涉及到几个地方：照片文件的读取、模型加载训练与保存、可视化训练过程中的损失函数value

照片文件的读取

import cv2
import os
import numpy as np
import keras

def loadImages():
    imageList=[]
    labelList=[]

    rootdir="d:\\\\books\\\\0"
    list =os.listdir(rootdir)
    for item in list:
        path=os.path.join(rootdir,item)
        if(os.path.isfile(path)):
            f=cv2.imread(path)
            f=cv2.resize(f, (200, 200))#resize到网络input的shape
            imageList.append(f)
            labelList.append(0)#类别0

    rootdir="d:\\\\books\\\\1"
    list =os.listdir(rootdir)
    for item in list:
        path=os.path.join(rootdir,item)
        if(os.path.isfile(path)):
            f=cv2.imread(path)
            f=cv2.resize(f, (200, 200))#resize到网络input的shape
            imageList.append(f)
            labelList.append(1)#类别1

    return np.asarray(imageList), keras.utils.to_categorical(labelList, 2)

关于（200，200）这个shape怎么得来的，只是几月前开始玩opencv时随便写了个数值，后来想利用那些图片，就适应到这个shape了

keras.utils.to_categorical函数类似numpy.onehot、tf.one_hot这些，只是one hot的keras封装

模型加载训练与保存

nb_classes = 2  
nb_epoch = 30
nb_step = 6
batch_size = 3

x,y=loadImages()

from keras.preprocessing.image import ImageDataGenerator
dataGenerator=ImageDataGenerator()
dataGenerator.fit(x)
data_generator=dataGenerator.flow(x, y, batch_size, True)#generator函数，用来生成批处理数据（从loadImages中）

model=NetModule.Net_model(nb_classes=nb_classes, lr=0.0001) #加载网络模型

history=model.fit_generator(data_generator, epochs=nb_epoch, steps_per_epoch=nb_step, shuffle=True)#训练网络，并且返回每次epoch的损失value

model.save_weights(\'D:\\\\Documents\\\\Visual Studio 2017\\\\Projects\\\\ConsoleApp9\\\\PythonApplication1\\\\书本识别\\\\trained_model_weights.h5\')#保存权重
print("DONE, model saved in path-->D:\\\\Documents\\\\Visual Studio 2017\\\\Projects\\\\ConsoleApp9\\\\PythonApplication1\\\\书本识别\\\\trained_model_weights.h5")

ImageDataGenerator构造函数有很多参数，主要用来提升数据质量，比如要不要标准化数字

lr=0.001这个参数要看经验，大了会导致不收敛，训练的时候经常由于这个参数的问题导致重复训练，这在没有GPU的情况下很是痛苦。。痛苦。。。痛苦。。。

model.save_weights是保存权重，但是不保存网络模型 ，对应的是model.load_weights方法

model.save是保存网络+权重，只是。。。。此例中用save_weights保存的h5文件是125M，但用save方法保存后，h5文件就增大为280M了。。。

上面2个save方法都能finetune，只是灵活度不一样。

可视化训练过程中的损失函数value

import matplotlib.pyplot as plt

plt.plot(history.history[\'loss\'])
plt.show()

　　

貌似没啥好补充的。。。

 

AND。。。。看看预测部分吧，这部分加载图片、加载模型，似乎都和训练部分雷同：

def loadImages():
    imageList=[]

    rootdir="d:\\\\books\\\\validate"
    list =os.listdir(rootdir)
    for item in list:
        path=os.path.join(rootdir,item)
        if(os.path.isfile(path)):
            f=cv2.imread(path)
            f=cv2.resize(f, (200, 200))
            imageList.append(f)

    return np.asarray(imageList)

x=loadImages()


x=np.asarray(x)

model=NetModule.Net_model(nb_classes=2, lr=0.0001)
model.load_weights(\'D:\\\\Documents\\\\Visual Studio 2017\\\\Projects\\\\ConsoleApp9\\\\PythonApplication1\\\\书本识别\\\\trained_model_weights.h5\')

print(model.predict(x))
print(model.predict_classes(x))
y=convert2label(model.predict_classes(x))
print(y)

predict的返回其实是softmax层返回的概率数值，是<=1的float

predict_classes返回的是经过one-hot处理后的数值，此时只有0、1两种数值（最大的value会被返回称为1，其他都为0）　　

convert2label：

def convert2label(vector):
    string_array=[]
    for v in vector:
        if v==1:
            string_array.append(\'BOOK\')
        else:
            string_array.append(\'NOT BOOK\')
    return string_array

这个函数是用来把0、1转换成文本的，小插曲：

本来这里是中文的“书本”、“非书本”，后来和女儿一起调试时发现都显示成了问号，应该是中文字符问题，就改成了英文显示，和女儿一起写代码是种乐趣啊！

本来只是显示文本，感觉太无聊了，因此加上了opencv显示图片+分类文本的代码段：

for i in range(len(x)):
    cv2.putText(x[i], y[i], (50,50), cv2.FONT_HERSHEY_SIMPLEX, 1, 255, 2)
    cv2.imshow(\'image\'+str(i), x[i])

cv2.waitKey(-1)

　　

 OK， 2018年继续学习，继续科学信仰。