Python迁移学习：用Torchvision、Pytorch进行交通标志图像分类|附代码数据

原文链接：https://tecdat.cn/?p=36539

原文出处：拓端数据部落公众号

本研究旨在探索如何应用迁移学习技术对交通标志图像进行分类。通过构建适用于Torchvision的图像数据集，并利用预训练模型进行微调，我们实现了对原始像素的交通标志图像的分类。此外，我们还引入了一个新的“未知”类别，并对模型进行了重新训练，以提高其在实际应用中的泛化能力。

随着深度学习技术的快速发展，图像分类在交通管理、自动驾驶等领域的应用日益广泛。然而，对于特定的图像分类任务，如交通标志识别，从头开始训练一个深度学习模型往往需要大量的时间和计算资源。因此，迁移学习技术应运而生，它通过利用在大型数据集上预训练的模型，可以大大加快模型的训练速度并提高分类性能。

方法

在本研究中，我们采用了以下步骤来构建和训练交通标志图像分类模型：

  1. 交通标志图像数据集概述：我们首先对所使用的交通标志图像数据集进行了概述，包括数据集的来源、规模、类别分布等信息。
  2. 构建数据集：我们将原始图像数据转换为适用于Torchvision的数据集格式，并进行了必要的数据预处理和增强操作，以提高模型的泛化能力。
  3. 使用Torchvision的预训练模型：我们选择了一个在大型数据集上预训练的深度学习模型作为起点，通过对其进行微调，使其适应交通标志图像的分类任务。
  4. 添加新的“未知”类别并重新训练模型：为了处理实际应用中可能出现的未知类别的图像，我们在数据集中添加了一个新的“未知”类别，并对模型进行了重新训练。通过这种方法，模型可以在遇到未知类别的图像时给出相应的预测结果。

image.png

image.png

配置

 
 
%reload_ext watermark
%watermark -v -p numpy,pandas,torch,torchvision

image.png

 
 

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
device

image.png

交通标志识别

德国交通标志识别基准（GTSRB）包含了超过50,000张带有40多种交通标志注释的图像。给定一张图像，您需要识别出其中的交通标志。

 
 
!unzip -qq GTSRB_Final_Training_Images.zip

image.png

代码模拟

让我们先来了解一下数据。每个交通标志的图像都存储在一个单独的目录中。我们有多少个？

 
 
len(train_folders)

image.png

我们将创建 3 个辅助函数，使用 OpenCV 和 Torchvision 来加载和显示图像：

 
 
def load_image(img_path, resize=True):
  img = cv2.cvtColor(cv2.imread(img_path), cv2.COLOR_BGR2RGB)

  if resize:
    img = cv2.resize(img, (64, 64), interpolation = cv2.INTER_AREA)

让我们看看每个交通标志的一些示例：

 
 
sample_images = [np.random.choice(glob(f'{tf}/*ppm')) for tf in train_folders]
show_sign_grid(sample_images)

微信图片_20240621183307.png

这里有一个标志：

 
 
img_path = glob(f'{train_folders[16]}/*ppm')[1]

show_image(img_path)

image.png

建立数据集

为了简单起见，我们将重点对一些最常用的交通标志进行分类：

 
 
class_names = ['priority_road', 'give_way', 'stop', 'no_entry']

class_indices = [12, 13, 14, 17]

我们将把图像文件复制到一个新的目录中，以便于使用 Torchvision 的数据集助手。让我们从每个类的目录开始：

 
 
for ds in DATASETS:
  for cls in class_names:
    (DATA_DIR / ds / cls).mkdir(parents=True,

我们将为每个类别保留 80% 的图像用于训练，10% 用于验证，10% 用于测试。将把每张图片复制到正确的数据集目录下：

 
 
for i, cls_index in enumerate(class_indices):
  image_paths = np.array(glob(f'{train_folders[cls_index]}/*.ppm'))
  class_name = class_names[i]

image.png

我们的类别不平衡，但并不严重。我们可以忽略它。

我们将应用一些图像增强技术，人为地增加训练数据集的大小：

 
 
transforms = {'train': T.Compose([
  T.RandomResizedCrop(size=256),
  T.RandomRotation(degrees=15),
  T.RandomHorizontalFlip(),

我们会随机调整大小、旋转和水平翻转。最后，我们使用每个通道的预设值对张量进行归一化处理。

这是 Torchvision 中预训练模型的要求。

我们将为每个图像数据集文件夹和数据加载器创建一个 PyTorch 数据集，以方便训练：

我们还将存储每个数据集中的示例数量和类名，以备日后使用：

 
 
dataset_sizes = {d: len(image_datasets[d]) for d in DATASETS

image.png

让我们来看看一些应用了转换的图像示例。我们还需要反转归一化并重新排列颜色通道，以获得正确的图像数据：

 
 
def imshow(inp, title=None):
  inp = inp.numpy().transpose((1, 2, 0))
  mean = np.array([mean_nums])

image.png

使用预训练模型:

我们的模型将接收原始图像像素，并尝试将它们分类为四个交通标志之一。这有多难？试试从头开始建立一个模型。

在这里，我们将使用迁移学习 复制非常流行的ResNet 模型的架构。此外，我们还将使用在 ImageNet 数据集 上训练时学习到的模型权重。Torchvision 让所有这些都变得简单易用：

 
 
def create_model(n_classes):
  model = models.resnet34(pretrained=True)

除了输出层的变化，我们几乎重复使用了所有内容。这是因为我们数据集中的类数与 ImageNet 不同。

让我们创建一个模型实例：

image.png

训练

我们将编写 3 个辅助函数来封装训练和评估逻辑。首先是 train_epoch：

 
 
  loss.backward()
    optimizer.step()
    optimizer.zero_grad()

  scheduler.step()

首先，我们将模型调至训练模式，然后查看数据。在得到预测结果后，我们会得到概率最大的类别以及损失，这样我们就能计算出历时损失和准确率。

请注意，我们还使用了学习率调度器。

 
 
    losses.append(loss.item())

  return correct_predictions.double() / n_examples, np.mean(losses)

除了不进行梯度计算外，对模型的评估非常相似。

让我们把所有东西放在一起：

 
 
  
  model.load_state_dict(torch.load('best_model_state.bin'))

  return model, history

我们做了大量的字符串格式化和训练历史记录工作。困难的工作会委托给前面的辅助函数。我们还希望获得最佳模型，因此在训练过程中会存储最准确模型的权重。

让我们来训练第一个模型：

image.png

这里有一个小辅助函数，可以将训练历史可视化：

 
 

plot_training_history(history):
  fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(18, 6))

image.png

预先训练好的模型非常出色，我们在 3 个历时后获得了非常高的准确率和较低的损失。遗憾的是，我们的验证集太小，无法从中获得一些有意义的指标。

评估

让我们看看测试集中对交通标志的预测：

 
 
def show_predictions(model, class_names, n_images=6):
  model = model.eval()
  images_handeled = 0

image.png

即使是几乎看不见的优先道路标志也能正确分类。让我们再深入一点。

我们先从模型中获取预测结果：

image.png

 
 
show_confusion_matrix(cm, class_names)

7176b9f814ec45b59497_1719212735.1162963.png

没有错误。

未见图像分类

好了，但当我们面对真实世界的图像时，我们的模型会有多好呢？让我们来看看：

image.png

 
 
show_image('stop-sign.jpg')

image.png

为此，我们将查看每个类别的置信度。让我们从模型中获取：

 
 
 predict_proba(base_model, 'stop-sign.jpg')

image.png

这有点难以理解。让我们来绘制一下：

 
 
 })
  sns.barplot(x='values', y='class_names', data=pred_df, orient='h')
  plt.xlim([0, 1]);

image.png

我们的模型再次表现出色。

分类未知交通标志

我们的模型面临的最后一个挑战是从未见过的交通标志：

image.png

 
 
show_image('unknown-sign.jpg')

image.png

让我们来预测一下：

 
 
predict_proba(base_model, 'unknown-sign.jpg')

image.png

image.png

我们的模型非常确定（超过 95% 的置信度）这是一个让路信号。这显然是错误的。如何才能让你的模型看到这一点呢？

添加 "未知 "类

虽然有多种方法可以处理这种情况，但我们要做的事情更简单。

我们将获取原始数据集中未包含的所有交通标志的索引：

我们将为未知类创建一个新文件夹，并在其中复制一些图像：

 
 

  for ds, images in dataset_data:
    for img_path in images:
      shutil.copy(img_path, f'{DATA_DIR}/{ds}/unknown/')

接下来的步骤与我们已经做的完全相同：

 
 
class_names = image_datasets['train'].classes

dataset_sizes

image.png

image.png

 
 
raining_history(history)

image.png

同样，我们的模型学习速度非常快。让我们再来看看样本图像：

image.png

 
 
prediction_confidence(pred, class_names)

image.png

很好，这个模型并不重视任何已知类别。它不知道这是一个双向符号，但却承认它是未知的。

让我们看看新数据集的一些例子：

image.png

让我们来了解一下这款新车型的性能：

 
 
report(y_test, y_pred, target_names=clas

image.png

image.png

我们的模型依然完美。

总结

您训练了两种不同的模型，用于根据原始像素对交通标志进行分类。

以下是所学到的内容：

  • 交通标志图像数据集概述
  • 建立数据集
  • 使用 Torchvision 预先训练的模型
  • 添加新的未知类并重新训练模型

QQ截图20220608234400.png

Rethinking-reskilling-for-the-post-pandemic-world.jpg

posted @ 2024-06-24 23:54  拓端tecdat  阅读(15)  评论(0)  编辑  收藏  举报