【图像分类】 基于Pytorch的多类别图像分类实战
欢迎大家来到图像分类专栏，本篇基于Pytorch完成一个多类别图像分类实战。
作者 | 郭冰洋
编辑 | 言有三
1 简介
实现一个完整的图像分类任务，大致需要分为五个步骤：
1、选择开源框架
目前常用的深度学习框架主要包括tensorflow、caffe、pytorch、mxnet等；
2、构建并读取数据集
根据任务需求搜集相关图像搭建相应的数据集，常见的方式包括：网络爬虫、实地拍摄、公共数据使用等。随后根据所选开源框架读取数据集。
3、框架搭建
选择合适的网络模型、损失函数以及优化方式，以完成整体框架的搭建
4、训练并调试参数
通过训练选定合适超参数
5、测试准确率
在测试集上验证模型的最终性能
本文利用Pytorch框架，按照上述结构实现一个基本的图像分类任务，并详细阐述其中的细节及注意事项。
2 数据集
本次实战选择的数据集为Kaggle竞赛中的细胞数据集，共包含9961个训练样本，2491个测试样本，可以分为嗜曙红细胞、淋巴细胞、单核细胞、中性白细胞4个类别，图片大小为320x240。
Pytorch中封装了相应的数据读取的类函数，通过调用torch.utils.data.Datasets函数，则可以实现读取功能。
__init__（）模块用来定义相关的参数，__len__（）模块用来获取训练样本个数，__getitem__（）模块则用来获取每张具体的图片，在读取图片时其可以通过opencv库、PIL库等进行读取，具体代码如下：
# 数据集
class dataset(data.Dataset):
# 参数预定义
def __init__(self, anno_pd, transforms=None):
self.paths = anno_pd['ImageName'].tolist()
self.labels = anno_pd['label'].tolist()
self.transforms = transforms
# 返回图片个数
def __len__(self):
return len(self.paths)
# 获取每个图片
def __getitem__(self, item):
img_path =self.paths[item]
img_id =img_path.split("/")[-1]
img =cv2.imread(img_path)
img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
if self.transforms is not None:
img = self.transforms(img)
label = self.labels[item]
return torch.from_numpy(img).float(), int(label)
此外，需要定义图像增强模块，即上述代码中的transform，通常采取的操作为翻转、剪切等，关于图像增强的具体介绍可以参考公众号前作。
需要特别强调的是对图像进行去均值处理，很多同学不明白为何要减去均值，其主要的原因是图像作为一种平稳的数据分布，通过减去数据对应维度的统计平均值，可以消除公共部分，以凸显个体之间的特征和差异。进行去均值前后操作后的图像对比如下：
3 框架搭建
本次实战主要选取了VGG16、Resnet50、InceptionV4三个经典网络，也是对前篇文章的一个总结。
损失函数则选择交叉熵损失函数：【技术综述】一文道尽softmax loss及其变种
优化方式选择SGD、Adam优化两种：【模型训练】SGD的那些变种，真的比SGD强吗
完整代码获取方式：发送关键词“多类别分类”给公众号
4 训练及参数调试
初始学习率设置为0.01，batch size设置为8，衰减率设置为0.00001，迭代周期为15，在不同框架组合下的最佳准确率和最低loss如下图所示：
可以发现在验证集上Resnet-50+SGD+Cross Entropy的组合下取得了99%左右的准确率，相反VGG-16结果则稍微差一些。
最佳组合下的准确率走势曲线如下图所示：
5 测试
对上述模型分别在测试集上进行测试，所获得的结果如下图所示，整体精度比训练集上约下降了一个百分点：
关于代码，可以参考有三AI开源的12大深度学习开源框架使用的项目：
总结
以上就是整个多类别图像分类实战的过程，由于时间限制，本次实战并没有对多个数据集进行训练，因此没有列出同一模型在不同数据集上的表现。
有三AI夏季划
有三AI夏季划进行中，欢迎了解并加入，系统性成长为中级CV算法工程师。
转载文章请后台联系
侵权必究