深度有趣 | 09 Inception-v3图片分类

Inception-v3是由Google提出，用于实现ImageNet大规模视觉识别任务（ImageNet Large Visual Recognition Challenge）的一种神经网络

Inception-v3反复使用了Inception Block，涉及大量的卷积和池化，而ImageNet包括1400多万张图片，类别数超过1000

因此手动在ImageNet上训练Inception-v3，需要耗费大量的资源和时间

这里我们选择加载pre-trained的Inception-v3模型，来完成一些图片分类任务

准备

预训练好的模型共包括三个部分

classify_image_graph_def.pb
imagenet_2012_challenge_label_map_proto.pbtxt
imagenet_synset_to_human_label_map.txt

例如， 169 对应 n02510455 ，对应 giant panda, panda, panda bear, coon bear, Ailuropoda melanoleuca

图片分类

加载库

# -*- coding: utf-8 -*-

import tensorflow as tf
import numpy as np
复制代码

整理两个映射文件，得到从类别编号到类别名的对应关系

uid_to_human = {}
for line in tf.gfile.GFile('imagenet_synset_to_human_label_map.txt').readlines():
	items = line.strip().split('\t')
	uid_to_human[items[0]] = items[1]

node_id_to_uid = {}
for line in tf.gfile.GFile('imagenet_2012_challenge_label_map_proto.pbtxt').readlines():
	if line.startswith('  target_class:'):
		target_class = int(line.split(': ')[1])
	if line.startswith('  target_class_string:'):
		target_class_string = line.split(': ')[1].strip('\n').strip('\"')
		node_id_to_uid[target_class] = target_class_string

node_id_to_name = {}
for key, value in node_id_to_uid.items():
	node_id_to_name[key] = uid_to_human[value]
复制代码

加载模型

def create_graph():
	with tf.gfile.FastGFile('classify_image_graph_def.pb', 'rb') as f:
		graph_def = tf.GraphDef()
		graph_def.ParseFromString(f.read())
		_ = tf.import_graph_def(graph_def, name='')
复制代码

定义一个分类图片的函数

def classify_image(image, top_k=1):
	image_data = tf.gfile.FastGFile(image, 'rb').read()

	create_graph()

	with tf.Session() as sess:
		# 'softmax:0': A tensor containing the normalized prediction across 1000 labels
		# 'pool_3:0': A tensor containing the next-to-last layer containing 2048 float description of the image
		# 'DecodeJpeg/contents:0': A tensor containing a string providing JPEG encoding of the image
		softmax_tensor = sess.graph.get_tensor_by_name('softmax:0')
		predictions = sess.run(softmax_tensor, feed_dict={'DecodeJpeg/contents:0': image_data})
		predictions = np.squeeze(predictions)

		top_k = predictions.argsort()[-top_k:]
		for node_id in top_k:
			human_string = node_id_to_name[node_id]
			score = predictions[node_id]
			print('%s (score = %.5f)' % (human_string, score))
复制代码

调用函数进行图片分类，指定参数 top_k 可以返回最可能的多种分类结果

classify_image('test1.png')
复制代码

分类结果如下

test1
test2
test3

定制分类任务

Inception-v3是针对ImageNet图片分类任务设计的，因此最后一层全连接层的神经元个数和分类标签个数相同

如果需要定制分类任务，只需要使用自己的标注数据，然后替换掉最后一层全连接层即可

最后一层全连接层的神经元个数等于定制分类任务的标签个数，模型只训练最后一层的参数，其他参数保持不变

保留了Inception-v3对于图像的理解和抽象能力，同时满足定制的分类任务，属于迁移学习的一种典型应用场景

TensorFlow官方提供了如何在Inception-v3上进行迁移学习的教程

www.tensorflow.org/tutorials/i…

所使用的数据包括五种花的拍摄图片

• daisy：雏菊
• dandelion：蒲公英
• roses：玫瑰
• sunflowers：向日葵
• tulips：郁金香

去掉最后一层全连接层后，对于一张图片输入，模型输出的表示称作Bottleneck

事先计算好全部图片的Bottleneck并缓存下来，可以节省很多训练时间，因为后续只需计算和学习Bottleneck到输出标签之间的隐层即可

TensorFlow官方提供了重训练的代码

github.com/tensorflow/…

在命令行中使用，一些可选的命令行参数包括

• --image_dir ：训练图片目录
• --output_graph ：模型保存目录
• --output_labels ：模型标签保存目录
• --summaries_dir ：模型日志保存目录
• --how_many_training_steps ：训练迭代次数，默认为4000
• --learning_rate ：学习率，默认为0.01
• --testing_percentage ：测试集比例，默认为10%
• --validation_percentage ：校验集比例，默认为10%
• --eval_step_interval ：模型评估频率，默认10次迭代评估一次
• --train_batch_size ：训练批大小，默认为100
• --print_misclassified_test_images ：是否输出所有错误分类的测试集图片，默认为False
• --model_dir ：Inception-v3模型路径
• --bottleneck_dir ：Bottleneck缓存目录
• --final_tensor_name ：新增的最后一层全连接层的名称，默认为 final_result
• --flip_left_right ：是否随机将一半的图片水平翻转，默认为False
• --random_crop ：随机裁剪的比例，默认为0即不裁剪
• --random_scale ：随机放大的比例，默认为0即不放大
• --random_brightness ：随机增亮的比例，默认为0即不增亮
• --architecture ：迁移的模型，默认为 inception_v3 ，准确率最高但训练时间较长，还可以选 'mobilenet_<parameter size>_<input_size>[_quantized]' ，例如 mobilenet_1.0_224 和 mobilenet_0.25_128_quantized

跑一下代码

python retrain.py --image_dir flower_photos --output_graph output_graph.pb --output_labels output_labels.txt --summaries_dir summaries_dir --model_dir .. --bottleneck_dir bottleneck_dir
复制代码

此处对于视频中内容的勘误

• 将 --output_graph 之后的 output_graph 改为 output_graph.pb
• 将 --output_labels 之后的 output_labels 改为 output_labels.txt

在校验集、测试集上的分类准确率分别为91%、91.2%

在我的笔记本上一共花了55分钟，其中44分钟花在了Bottleneck缓存上，但如果不缓存的话，训练过程中每次迭代都必须重复计算一遍

summaries_dir 目录下的训练日志可用于TensorBorad可视化

tensorboard --logdir summaries_dir
复制代码

然后在浏览器中访问 http://localhost:6006 ，即可看到可视化的效果，包括 SCALARS 、 GRAPHS 、 DISTRIBUTIONS 、 HISTOGRAMS 四个页面

如果需要完成其他图片分类任务，整理相应的标注图片，并以标签名作为子文件夹名称即可

如果要使用训练好的模型，参照以下代码即可

• output_labels.txt ：分类类别文件路径
• output_graph.pb ：训练好的模型路径
• read_image() ：读取图片的函数
• input_operation ：图片输入对应的 operation
• output_operation ：分类输出对应的 operation
• test.jpg ：待分类的图片路径

# -*- coding: utf-8 -*-

import tensorflow as tf
import numpy as np

labels = []
for line in tf.gfile.GFile('output_labels.txt').readlines():
	labels.append(line.strip())

def create_graph():
	graph = tf.Graph()
	graph_def = tf.GraphDef()
	with open('output_graph.pb', 'rb') as f:
		graph_def.ParseFromString(f.read())
	with graph.as_default():
		tf.import_graph_def(graph_def)
	return graph

def read_image(path, height=299, width=299, mean=128, std=128):
	file_reader = tf.read_file(path, 'file_reader')
	if path.endswith('.png'):
		image_reader = tf.image.decode_png(file_reader, channels=3, name='png_reader')
	elif path.endswith('.gif'):
		image_reader = tf.squeeze(tf.image.decode_gif(file_reader, name='gif_reader'))
	elif path.endswith('.bmp'):
		image_reader = tf.image.decode_bmp(file_reader, name='bmp_reader')
	else:
		image_reader = tf.image.decode_jpeg(file_reader, channels=3, name='jpeg_reader')
	image_np = tf.cast(image_reader, tf.float32)
	image_np = tf.expand_dims(image_np, 0)
	image_np = tf.image.resize_bilinear(image_np, [height, width])
	image_np = tf.divide(tf.subtract(image_np, [mean]), [std])
	sess = tf.Session()
	image_data = sess.run(image_np)
	return image_data

def classify_image(image, top_k=1):
	image_data = read_image(image)

	graph = create_graph()

	with tf.Session(graph=graph) as sess:
		input_operation = sess.graph.get_operation_by_name('import/Mul')
		output_operation = sess.graph.get_operation_by_name('import/final_result')
		predictions = sess.run(output_operation.outputs[0], feed_dict={input_operation.outputs[0]: image_data})
		predictions = np.squeeze(predictions)

		top_k = predictions.argsort()[-top_k:]
		for i in top_k:
			print('%s (score = %.5f)' % (labels[i], predictions[i]))

classify_image('test.jpg')
复制代码