图像识别模型

一、数据准备

　　首先要做一些数据准备方面的工作：一是把数据集切分为训练集和验证集， 二是转换为tfrecord 格式。在data_prepare／文件夹中提供了会用到的数据集和代码。首先要将自己的数据集切分为训练集和验证集，训练集用于训练模型， 验证集用来验证模型的准确率。这篇文章已经提供了一个实验用的卫星图片分类数据集，这个数据集一共6个类别， 见下表所示

　　　

　　在data_prepare目录中，有一个pic文件夹保存原始的图像文件，这里面有train 和validation 两个子目录，分别表示训练使用的图片和验证使用的图片。在每个目录中，分别以类别名为文件夹名保存所有图像。在每个类别文件夹下，存放的就是原始的图像（如jpg 格式的图像文件）。下面在data_prepare 文件夹下，使用预先编制好的脚本data_convert .py，使用以下命令将图片转换为为tfrecord格式。

python data_convert.py

　　data_convert.py代码中的一些参数解释为：

# -t pic/: 表示转换pic文件夹中的数据。pic文件夹中必须有一个train目录和一个validation目录，分别代表训练和验证数据集。
#–train-shards 2:将训练数据集分成两块，即最后的训练数据就是两个tfrecord格式的文件。如果自己的数据集较大，可以考虑将其分为更多的数据块。
#–validation-shards 2: 将验证数据集分为两块。
#–num-threads 2:采用两个线程产生数据。注意线程数必须要能整除train-shaeds和validation-shards，来保证每个线程处理的数据块是相同的。
#–dataset-name satellite: 给生成的数据集起一个名字。这里将数据集起名叫“satellite”，最后生成的头文件就是staellite_trian和satellite_validation。

　　运行上述命令后，就可以在pic文件夹中找到5个新生成的文件，分别是两个训练数据和两个验证数据，还有一个文本文件label.txt ,其表示图片的内部标签（数字）到真实类别（字符串）之间的映射顺序。如图片在tfrecord 中的标签为0 ，那么就对应label.txt 第一行的类别，在tfrecord的标签为1，就对应label.txt 中第二行的类别，依此类推。
　　　

二、使用TensorFlow Slim微调模型

1、介绍TensorFlow Slim源码

　　TensorFlow Slim 是Google 公司公布的一个图像分类工具包，它不仅定义了一些方便的接口，还提供了很多ImageNet数据集上常用的网络结构和预训练模型。截至2017 年7 月， Slim 提供包括VGG16 、VGG19 、InceptionVl ~ V4, ResNet 50 、ResNet 101, MobileNet 在内大多数常用模型的结构以及预训练模型，更多的模型还会被持续添加进来。如果需要使用Slim 微调模型，首先要下载Slim的源代码。Slim的源代码保存在tensorflow/models 项目中https://github.com/tensorflow/models/tree/master/research/slim。提供的代码里面已经包含了这份代码，在chapter3/slim目录下。下面简单介绍下Slim的代码结构，如下表所示：

　　　

2、定义新的datasets文件

　　在slim/datasets 中， 定义了所有可以使用的数据库，为了可以使用在前面中创建的tfrecord数据进行训练，必须要在datasets中定义新的数据库。首先，在datasets／目录下新建一个文件satellite.py，并将flowers.py 文件中的内容复制到satellite.py 中。接下来，需要修改以下几处内容：第一处是_FILE_PATTERN 、SPLITS_TO SIZES 、_NUM_CLASSES ， 将其进行以下修改：

_FILE_PATTERN = 'satellite_%s_*.tfrecord'
SPLITS_TO_SIZES = {'train':4800, 'validation':1200}
_NUM_CLASSES = 6

　　第二处修改image/format部分，将之修改为：

'image/format' tf.FixedLenFeature( (), tf. string, default_value ＝'jpg'),

　　此处定义了图片的默认格式。收集的卫星图片的格式为jpg图片，因此修改为jpg 。修改完satellite.py后，还需要在同目录的dataset_factory.py文件中注册satellite数据库。注册后dataset_factory. py 中对应代码为：

from datasets import cifar10
from datasets import flowers
from datasets import imagenet
from datasets import mnist
from datasets import satellite # 自行添加

datasets_map = {
    'cifar10': cifar10,
    'flowers': flowers,
    'imagenet': imagenet,
    'mnist': mnist,
    'satellite':satellite,  # 自行添加
}

3、准备训练文件夹

　　定义完数据集后，在slim文件夹下再新建一个satellite目录，在这个目录中，完成最后的几项准备工作：

　　新建一个data目录，并将前面准备好的5 个转换好格式的训练数据(4个tfrecords文件和1个txt文件)复制进去。
　　新建一个空的train_dir 目录，用来保存训练过程中的日志和模型。
　　新建一个pretrained目录，在slim的GitHub页面找到Inception_V3 模型的下载地址，下载并解压后，会得到一个inception_v3 .ckpt 文件，将该文件复制到pretrained 目录下。

　　最后形成的目录如下所示：　　

　　　

4、开始训练

　　在slim 文件夹下，运行以下命令就可以开始训练了：

python train_image_classifier.py

　　train_image_classifier.py中部分参数解释如下：

# –trainable_scopes=InceptionV3/Logits,InceptionV3/AuxLogits:首先来解释trainable_scope的作用，因为它非常重要。
　　trainable_scopes规定了在模型中微调变量的范围。这里的设定表示只对InceptionV3/Logits,InceptionV3/AuxLogits 两个变量进行微调，
　　其它的变量都不动。InceptionV3/Logits,InceptionV3/AuxLogits就相当于在VGG模型中的fc8，他们是Inception V3的“末端层”。
　　如果不设定trainable_scopes,就会对模型中所有的参数进行训练。
# –train_dir=satellite/train_dir：表明会在satellite/train_dir目录下保存日志和checkpoint。
# –dataset_name=satellite、–dataset_split_name=train:指定训练的数据集。在3.2节中定义的新的dataset就是在这里发挥用处的。
# –dataset_dir=satellite/data: 指定训练数据集保存的位置。
# –model_ name=inception_v3 ：使用的模型名称。
# –checkpoint_path=satellite/pretrained/inception_v3.ckpt：预训练模型的保存位置。
# –checkpoint_exclude_scopes=InceptionV3/Logits,InceptionV3/AuxLogits : 在恢复预训练模型时，不恢复这两层。正如之前所说，
　　这两层是InceptionV3模型的末端层，对应着ImageNet 数据集的1000 类，和当前的数据集不符， 因此不要去恢复它。
# –max_number_of_steps 100000 ：最大的执行步数。
# –batch_size =32 ：每步使用的batch 数量。
# –learning_rate=0.001 ： 学习率。
# –learning_rate_decay_type=fixed:学习率是否自动下降，此处使用固定的学习率。
# –save_interval_secs=300 ：每隔300s ，程序会把当前模型保存到train_dir中。此处就是目录satellite/train_dir 。
# –save_summaries_secs=2 ：每隔2s，就会将日志写入到train_dir 中。可以用TensorBoard 查看该日志。此处为了方便观察，
　　设定的时间间隔较多，实际训练时，为了性能考虑，可以设定较长的时间间隔。
# –log_every_n_steps=10: 每隔10 步，就会在屏幕上打出训练信息。
# –optimizer=rmsprop: 表示选定的优化器。
# –weight_decay=0.00004 ：选定的weight_decay值。即模型中所有参数的二次正则化超参数。

　　但是经过笔者自己实验，发现在书上给出的下载地址下载的inception_v3.ckpt，会报出如下错误：DataLossError (see above for traceback): Unable to open table file satellite/pretrained/inception_v3.ckpt: Data loss: not an sstable (bad magic number): perhaps your file is in a different file format and you need touse a different restore operator?。如下图所示：

　　　

　　解决办法：文件错误，笔者选择从CSDN重新下载inception_v3.ckpt。这才能够训练起来。如下图所示是成功训练起来的截图

　　　

　　以上参数是只训练末端层InceptionV3/Logits, InceptionV3/AuxLogits, 还可以去掉–trainable_ scopes 参数。原先的–trainable_scopes= InceptionV3 /Logits ,InceptionV3/AuxLogits 表示只对末端层InceptionV3/Logits 和InceptionV3/AuxLogits 进行训练，去掉后就可以训练模型中的所有参数了。

5、训练程序行为

　　当train_image_classifier.py程序启动后，如果训练文件夹（即satellite/train_dir）里没有已经保存的模型，就会加载checkpoint_path中的预训练模型，紧接着，程序会把初始模型保存到train_dir中，命名为model.ckpt-0，0表示第0步。这之后，每隔5min（参数--save_interval_secs=300指定了每隔300s保存一次，即5min）。程序还会把当前模型保存到同样的文件夹中，命名格式和第一次保存的格式一样。因为模型比较大，程序只会保留最新的5个模型。

　　此外，如果中断了程序并再次运行，程序会首先检查train_dir中有无已经保存的模型，如果有，就不会去加载checkpoint_path中的预训练模型，而是直接加载train_dir中已经训练好的模型，并以此为起点进行训练。Slim之所以这样设计，是为了在微调网络的时候，可以方便地按阶段手动调整学习率等参数。

6、验证模型准确率

　　使用eval_image_classifier.py程序验证模型在验证数据集上的准确率，执行以下指令：

python eval_image_classifier.py

　　eval_image_classifier.py中部分参数解释如下

# –checkpoint_path=satellite/train_ dir: 这个参数既可以接收一个目录的路径，也可以接收一个文件的路径。如果接收的是一个目录的路径，
#     如这里的satellite/train_dir,就会在这个目录中寻找最新保存的模型文件，执行验证。也可以指定一个模型验证，以第300步为例，
#     如果要对它执行验证，传递的参数应该为satellite/train_ dir/model.ckpt-300 。
# –eval_dir=satellite/eval_dir ：执行结果的曰志就保存在eval_dir 中，同样可以通过TensorBoard 查看。
# –dataset_name=satellite 、–dataset_split_name=validation 指定需要执行的数据集。注意此处是使用验证集（ validation ）执行验证。
# –dataset_dir=satellite/data ：数据集保存的位置。
# –model_ name「nception_ v3 ：使用的模型。

　　执行后，出现如下结果：

　　　

　　Accuracy表示模型的分类准确率，而Recall_5 表示Top 5 的准确率，即在输出的各类别概率中，正确的类别只要落在前5 个就算对。由于此处的类别数比较少，因此可以不执行Top 5 的准确率，换而执行Top 2 或者Top 3的准确率，只要在eval_image_classifier.py 中修改下面的部分就可以了： 

    # Define the metrics:
    names_to_values, names_to_updates = slim.metrics.aggregate_metric_map({
        'Accuracy': slim.metrics.streaming_accuracy(predictions, labels),
        'Recall_5': slim.metrics.streaming_recall_at_k(
            logits, labels, 5),
    })

7、导出模型

　　训练完模型后，常见的应用场景是：部署训练好的模型并对单张图片进行识别。此处提供了freeze_graph.py用于导出识别的模型，classify_image_inception_v3.py是使用inception_v3模型对单张图片进行识别的脚本。导出模型：TensorFlow Slim提供了导出网络结构的脚本export_inference_graph.py 。 首先在 slim 文件夹下运行指令：

python export_inference_graph.py

　　这个命令会在 satellite 文件夹中生成一个 inception_v3_inf_graph.pb 文件 。

　　　

　　注意： inception_v3 _inf _graph.pb 文件中只保存了Inception V3 的网络结构，并不包含训练得到的模型参数，需要将checkpoint 中的模型参数保存进来。方法是使用freeze_graph. py 脚本（在chapter_3 文件夹下运行）：在 项目根目录 执行如下命令（需将10085改成train_dir中保存的实际的模型训练步数）

python freeze_graph.py 

　　freeze_graph.py中部分参数解释如下

#–input_graph slim/satellite/inception_v3_inf_graph.pb。表示使用的网络结构文件，即之前已经导出的inception_v3 _inf_gr aph.pb 。
#–input_checkpoint slim/satallite/train_dir/model.ckpt-10085。具体将哪一个checkpoint 的参数载入到网络结构中。
#    这里使用的是训练文件夹train _d让中的第10085步模型文件。我们需要根据训练文件夹下checkpoint的实际步数，将10085修改成对应的数值。
#input_binary true。导入的inception_v3_inf_graph.pb实际是一个protobuf文件。而protobuf 文件有两种保存格式，一种是文本形式，一种是二进制形式。
#    inception_v3_inf_graph.pb 是二进制形式，所以对应的参数是–input_binary true 。初学的话对此可以不用深究，若有兴趣的话可以参考资料。
#--output_node_names 在导出的模型中指定一个输出结点，InceptionV3/Predictions/Reshape_1是Inception_V3最后的输出层
#–output_graph slim/satellite/frozen_graph.pb。最后导出的模型保存为slim/satellite/frozen_graph.pb 文件

　　最后导出的模型文件如下：

　　　

三、预测图片

　　如何使用导出的frozen_graph.pb文件对单张图片进行预测？此处使用一个编写的文件classify_image_inception_v3.py 脚本来完成这件事 。先来看这个脚本的使用方法：

python classify_image_inception_v3.py

　　classify_image_inception_v3.py中部分参数解释如下

# 一model_path 很好理解，就是之前导出的模型frozen_graph. pb 。
# –label_path 指定了一个label文件， label文件中按顺序存储了各个类别的名称，这样脚本就可以把类别的id号转换为实际的类别名。
# –image _file 是需要测试的单张图片。

　　脚本的运行结果应该类似于：
　　　

　　这就表示模型预测图片对应的最可能的类别是water，接着是wetland 、urban 、wood 等。score 是各个类别对应的Logit 。

四、TensorBoard 可视化与超参数选择

　　在训练时，可以使用TensorBoard 对训练过程进行可视化，这也有助于设定训练模型的方式及超参数。在slim文件夹下使用下列命令可以打开TensorBoard （其实就是指定训练文件夹）：

tensorboard --logdir satellite/train_dir

　　　

　　在TensorBoard中，可以看到损失的变化如上图 所示。观察损失曲线有助于调整参数。当损失曲线比较平缓，收敛较慢时，可以考虑增大学习率，以加快收敛速度；如果损失曲线波动较大，无法收敛，就可能是因为学习率过大，此时就可以尝试适当减小学习率。

　　另外，在上面的学习中，在笔者自己进行试验的过程中，一些小的错误就没有粘贴出来了，读者自行搜索即可得到解决方法。这篇博文主要来自《21个项目玩转深度学习》这本书里面的第三章，内容有删减，还有本书的一些代码的实验结果，经过笔者自己修改，已经能够完全成功运行。随书附赠的代码库链接为：https://github.com/hzy46/Deep-Learning-21-Examples。