VGG16模型的复现及其详解(包含如何预测)
目录
神经网络学习小记录16——VGG16模型的复现详解 学习前言什么是VGG16模型VGG网络部分实现代码图片预测
学习前言
学一些比较知名的模型对身体有好处噢!
什么是VGG16模型
VGG是由Simonyan 和Zisserman在文献《Very Deep Convolutional Networks for Large Scale Image Recognition》中提出卷积神经网络模型,其名称来源于作者所在的牛津大学视觉几何组(Visual Geometry Group)的缩写。
该模型参加2014年的 ImageNet图像分类与定位挑战赛,取得了优异成绩:在分类任务上排名第二,在定位任务上排名第一。
可能大家会想,这样一个这么强的模型肯定很复杂吧?
其实一点也不复杂,它的结构如下图所示:
这是一个VGG被用到烂的图,但确实很好的反应了VGG的结构:
1、一张原始图片被resize到(224,224,3)。
2、conv1两次[3,3]卷积网络,输出的特征层为64,输出为(224,224,64),再2X2最大池化,输出net为(112,112,64)。
3、conv2两次[3,3]卷积网络,输出的特征层为128,输出net为(112,112,128),再2X2最大池化,输出net为(56,56,128)。
4、conv3三次[3,3]卷积网络,输出的特征层为256,输出net为(56,56,256),再2X2最大池化,输出net为(28,28,256)。
5、conv3三次[3,3]卷积网络,输出的特征层为256,输出net为(28,28,512),再2X2最大池化,输出net为(14,14,512)。
6、conv3三次[3,3]卷积网络,输出的特征层为256,输出net为(14,14,512),再2X2最大池化,输出net为(7,7,512)。
7、利用卷积的方式模拟全连接层,效果等同,输出net为(1,1,4096)。共进行两次。
8、利用卷积的方式模拟全连接层,效果等同,输出net为(1,1,1000)。
最后输出的就是每个类的预测。
VGG网络部分实现代码
#-------------------------------------------------------------## vgg16的网络部分#-------------------------------------------------------------#import tensorflow as tf# 创建slim对象slim = tf.contrib.slimdef vgg_16(inputs, num_classes=1000, is_training=True, dropout_keep_prob=0.5, spatial_squeeze=True, scope='vgg_16'): with tf.variable_scope(scope, 'vgg_16', [inputs]): # 建立vgg_16的网络 # conv1两次[3,3]卷积网络,输出的特征层为64,输出为(224,224,64) net = slim.repeat(inputs, 2, slim.conv2d, 64, [3, 3], scope='conv1') # 2X2最大池化,输出net为(112,112,64) net = slim.max_pool2d(net, [2, 2], scope='pool1') # conv2两次[3,3]卷积网络,输出的特征层为128,输出net为(112,112,128) net = slim.repeat(net, 2, slim.conv2d, 128, [3, 3], scope='conv2') # 2X2最大池化,输出net为(56,56,128) net = slim.max_pool2d(net, [2, 2], scope='pool2') # conv3三次[3,3]卷积网络,输出的特征层为256,输出net为(56,56,256) net = slim.repeat(net, 3, slim.conv2d, 256, [3, 3], scope='conv3') # 2X2最大池化,输出net为(28,28,256) net = slim.max_pool2d(net, [2, 2], scope='pool3') # conv3三次[3,3]卷积网络,输出的特征层为256,输出net为(28,28,512) net = slim.repeat(net, 3, slim.conv2d, 512, [3, 3], scope='conv4') # 2X2最大池化,输出net为(14,14,512) net = slim.max_pool2d(net, [2, 2], scope='pool4') # conv3三次[3,3]卷积网络,输出的特征层为256,输出net为(14,14,512) net = slim.repeat(net, 3, slim.conv2d, 512, [3, 3], scope='conv5') # 2X2最大池化,输出net为(7,7,512) net = slim.max_pool2d(net, [2, 2], scope='pool5') # 利用卷积的方式模拟全连接层,效果等同,输出net为(1,1,4096) net = slim.conv2d(net, 4096, [7, 7], padding='VALID', scope='fc6') net = slim.dropout(net, dropout_keep_prob, is_training=is_training, scope='dropout6') # 利用卷积的方式模拟全连接层,效果等同,输出net为(1,1,4096) net = slim.conv2d(net, 4096, [1, 1], scope='fc7') net = slim.dropout(net, dropout_keep_prob, is_training=is_training, scope='dropout7') # 利用卷积的方式模拟全连接层,效果等同,输出net为(1,1,1000) net = slim.conv2d(net, num_classes, [1, 1], activation_fn=None, normalizer_fn=None, scope='fc8') # 由于用卷积的方式模拟全连接层,所以输出需要平铺 if spatial_squeeze: net = tf.squeeze(net, [1, 2], name='fc8/squeezed') return net
图片预测
在图片预测之前首先看看整个文档的结构。
需要完整代码可以直接下载:
链接: https://pan.baidu.com/s/1X0iJRRisDLD9odMw1yy46w
提取码: fqm4
VGG16的模型下载可以用http://download.tensorflow.org/models/vgg_16_2016_08_28.tar.gz完成
model用于存储模型,nets用于存储网络结构,test_data用于存放图片,demo就是之后要执行的测试程序。
图片预测的步骤其实就是利用训练好的模型进行预测。
1、载入图片
2、建立会话Session;
3、将img_input的placeholder传入网络,建立网络结构;
4、初始化所有变量;
5、利用saver对象restore载入所有参数。
6、读取预测结果
demo.py的代码如下:
from nets import vgg16import tensorflow as tfimport numpy as npimport utils# 读取图片img1 = utils.load_image("./test_data/dog.jpg")# 对输入的图片进行resize,使其shape满足(-1,224,224,3)inputs = tf.placeholder(tf.float32,[None,None,3])resized_img = utils.resize_image(inputs, (224, 224))# 建立网络结构prediction = vgg16.vgg_16(resized_img)# 载入模型sess = tf.Session()ckpt_filename = './model/vgg_16.ckpt'sess.run(tf.global_variables_initializer())saver = tf.train.Saver()saver.restore(sess, ckpt_filename)# 最后结果进行softmax预测pro = tf.nn.softmax(prediction)pre = sess.run(pro,feed_dict={inputs:img1})# 打印预测结果utils.print_prob(pre[0], './synset.txt')
utils里是一些工具代码(工具人),包括载入图片、图片大小更改、打印预测结果等:
import matplotlib.image as mpimgimport numpy as npimport tensorflow as tffrom tensorflow.python.ops import array_opsdef load_image(path): # 读取图片,rgb img = mpimg.imread(path) # 将图片修剪成中心的正方形 short_edge = min(img.shape[:2]) yy = int((img.shape[0] - short_edge) / 2) xx = int((img.shape[1] - short_edge) / 2) crop_img = img[yy: yy + short_edge, xx: xx + short_edge] return crop_imgdef resize_image(image, size, method=tf.image.ResizeMethod.BILINEAR, align_corners=False): with tf.name_scope('resize_image'): image = tf.expand_dims(image, 0) image = tf.image.resize_images(image, size, method, align_corners) image = tf.reshape(image, tf.stack([-1,size[0], size[1], 3])) return imagedef print_prob(prob, file_path): synset = [l.strip() for l in open(file_path).readlines()] # 将概率从大到小排列的结果的序号存入pred pred = np.argsort(prob)[::-1] # 取最大的1个、5个。 top1 = synset[pred[0]] print(("Top1: ", top1, prob[pred[0]])) top5 = [(synset[pred[i]], prob[pred[i]]) for i in range(5)] print(("Top5: ", top5)) return top1
该图的预测结果为:
('Top1: ', 'n02099601 golden retriever', 0.98766345)('Top5: ', [('n02099601 golden retriever', 0.98766345), ('n02099712 Labrador retriever', 0.0108569125), ('n02101556 clumber, clumber spaniel', 0.00039345716), ('n02102480 Sussex spaniel', 0.0002893341), ('n02102318 cocker spaniel, English cocker spaniel, cocker', 0.00018955152)])
以上就是VGG16模型的复现及其详解(包含如何预测)的详细内容,更多关于VGG16模型复现预测的资料请关注我们其它相关文章!