使用VGG16对水果进行图像识别


1. 1。背景

当我使用Keras专注于兴趣实现图像识别时，这出乎意料地容易，因此我决定在希望实现更精确模型的朋友的推荐下使用VGG16。
我是一个初学者，所以我将尝试查找更多信息。
这次，我们将使用苹果Orin的图像来评估它是否可以应用于品种。
只是个备忘录。

2. 2。 VGG16首先是什么？ :thinking:

VGG16是在称为" ImageNet"的大规模图像数据集上训练的16层CNN模型。它于2014年宣布。它是各种研究中使用的著名训练模型之一。使用ImageNet训练的其他模型包括AlexNet，GoogLeNet和ResNet。
https://www.y-shinno.com/keras-vgg16/

以下是此处与AlexNet，GoogLeNet和ResNet进行比较的参考。

(来源：http://thunders1028.hatenablog.com/entry/2017/11/01/035609)

牛津大学VGG团队的网络在2014年ILSVRC中获得第二名。普通的CNN由卷积层和池化层组成，后者是AlexNet的更深版本，具有16或19层的重量(卷积层或完全连接的层)。它们分别称为VGG16和VGG19。

它具有以下结构：连续堆叠两到四个带小滤镜的卷积层，并通过合并层将其大小减半。看起来，通过卷积多个较小的滤镜(=加深图层)，可以比通过大滤镜一次卷积图像更好地提取特征。 (我不太清楚原因，但是激活函数被传递的次数增加了，所以表达性增加了吗？)[2]

GoogleNet似乎更强大，但我将尝试VGG并强调可理解性。 (看来困难的事情将从下一次开始)

3. 3。 VGG16简介(使用Google Colab)

我将立即编写代码。
首先，导入Keras的

vgg16_fluits.py

1
!pip install keras

接下来，导入所需的库。
VGG16包含在Keras中。
重量在下面的第三行中指定。

1
2
3
4
5
#モデルをimportしてサマリー表示してみる
import numpy as np
from keras.applications.vgg16 import VGG16, preprocess_input, decode_predictions
model = VGG16(include_top=True, weights='imagenet', input_tensor=None, input_shape=None)
model.summary()

<详细信息>

model.summary()结果
型号：" vgg16"

图层(类型)输出形状参数

input_3(InputLayer)(无，224，224，3)0

block1_conv1(Conv2D)(无，224，224，64)1792

block1_conv2(Conv2D)(无，224，224，64)36928

block1_pool(MaxPooling2D)(无，112，112，64)0

block2_conv1(Conv2D)(无，112，112，128)73856

block2_conv2(Conv2D)(无，112，112，128)147584

block2_pool(MaxPooling2D)(无，56、56、128)0

block3_conv1(Conv2D)(无，56，56，56，256)295168

block3_conv2(Conv2D)(无，56，56，56，256)590080

block3_conv3(Conv2D)(无，56，56，56，256)590080

block3_pool(MaxPooling2D)(无，28，28，256)0

block4_conv1(Conv2D)(无，28，28，512)1180160

block4_conv2(Conv2D)(无，28，28，512)2359808

block4_conv3(Conv2D)(无，28，28，512)2359808

block4_pool(MaxPooling2D)(无，14，14，14，512)0

block5_conv1(Conv2D)(无，14，14，14，512)2359808

block5_conv2(Conv2D)(无，14，14，14，512)2359808

block5_conv3(Conv2D)(无，14、14、512)2359808

block5_pool(MaxPooling2D)(无，7，7，512)0

展平(Flatten)(无25088)0

fc1(密集)(无，4096)102764544

fc2(密集)(无，4096)16781312

预测(密集)(无，1000)4097000

参数总数：138,357,544
可训练的参数：138,357,544
不可训练的参数：0

这次使用的图像评估苹果(奥林)。
apple_orin.jpg

1
2
3
4
5
6
7
8
9
10
11
  #画像の読み取り
from PIL import Image
#import glob
url = '/content/drive/My Drive/Colab Notebooks/img'
files=url+"/apple_orin.jpg"
image =Image.open(files)
image=image.convert('RGB')
image=image.resize((224,224))

# 読み込んだPIL形式の画像をarrayに変換
data = np.asarray(image)
1
2
3
4
5
6
7
8
9
10
#評価
from keras.preprocessing import image

#サンプル数の次元を1つ増やし四次元テンソルに
data = np.expand_dims(data, axis=0)
#上位5を出力
preds = model.predict(preprocess_input(data))
results = decode_predictions(preds, top=5)[0]
for result in results:
    print(result)

('n07742313'，'Granny_Smith'，0.9861995)
('n02948072'，'蜡烛'，0.0040857443)
('n07747607'，'橙色'，0.001778649)
('n03887697'，'paper_towel'，0.0016588464)
('n07693725'，'百吉饼'，0.0012920648)

变成

。

4。结果

" Granny_Smith"的第一名是什么？

格兰尼·史密斯(英语：Granny Smith)是苹果的一个品种。玛丽亚·安·史密斯(Maria Ann Smith)于1868年在澳大利亚作为偶然种苗而开发。
commodity-granny-smith.jpg

通过说

，图像本身就非常接近，因此看起来精度很高。 ImageNet可能没有Orin上的数据。

ImageNet的1000个类顺序，标签和类名称信息汇总在以下JSON文件中。
以下是Granny_Smith。

https://storage.googleapis.com/download.tensorflow.org/data/imagenet_class_index.json

由于需要进行单独学习才能进行图像识别甚至判断品种，因此我们将从下一次开始进行学习。

这次的目的是尝试一下，所以可以。

从下一次开始，创建一个可以应用于该品种的模型。

5，考虑

以下几点是使用VGG16模型的关键。

1
model = VGG16(include_top=True, weights='imagenet', input_tensor=None, input_shape=None)

细节

<表格>

参数

说明


<身体>

include_top

是否包括分类为1000个类别的完全连接的图层。

真：包括在内(单击此处可使用原始的1000个分类)


错误：不包括在内(单击此处进行自定义)


权重

重量类型

imagenet：使用ImageNet学习的权重


无：随机


input_tensor

输入模型图像时使用

任意图像数据：使用它


无：未使用


input_shape

指定输入图像的形状

任意形状：使用它


无：已使用(224，224，3)




将include_top设置为False，并使用VGG16进行特征提取以进行微调。 (下一次)

参考(您要做什么)
http://aidiary.hatenablog.com/entry/20170131/1485864665