用 Python 图像识别打造一个小狗分类器

​

项目介绍

小狗分类器可以做什么？

通过这个分类器，你只需要上传照片，就可以得到小狗的品种，以及更多的信息。

这就是所谓的「机器学习」，让机器自己去“学习”。我们今天要做的这个分类任务，是一个“监督学习”的过程。

监督学习的主要目标是从有标签的训练数据中学习模型，以便对未知或未来的数据做出预测。

我给大家讲一个例子。
用“房子的尺寸”预测“房子的价格”

​

图片来自（吴恩达－机器学习）

X-房子的尺寸（小狗的图片）
    Y-房子的价格（小狗的类别）

如图，我们根据已经有的数据集（图上的坐标），可以拟合出一条近似符合规律的直线。

这样，再有新的房子尺寸（1250），我们就可以估算出房子的价格（220k）了。

有了这些简单的基础，可以开始搞了。

效果展示

训练集的准确率为0.925，但测试集只有0.7

说明过拟合了，可以再增加一些图片，或者使用数据增强，来减少过拟合。

​

测试了两张图片，全都识别对了！

​

编写思路

整个分类器的实现，可以分为以下几个部分：

1 准备数据集

我们可以通过爬虫技术，把4类图像（京巴、拉布拉多、柯基、泰迪）保存到本地。总共有840张图片做训练集，188张图片做测试集。

2 数据集的预处理

1) 统一尺寸为100*100*3（RGB彩色图像）

# 统一尺寸的核心代码
img = Image.open(img_path)
new_img = img.resize((100, 100), Image.BILINEAR)
new_img.save(os.path.join('./dog_kinds_after/' + dog_name, jpgfile))

2) 由于数据是自己下载的，需要制作标签（label），可提取图像名称的第一个数字作为类别。（重命名图片）

kind = 0

# 遍历京巴的文件夹
images = os.listdir(images_path)
for name in images:
    image_path = images_path + '/'
    os.rename(image_path + name, image_path + str(kind) +'_' + name.split('.')[0]+'.jpg')

3）划分数据集

840张图片做训练集，188张图片做测试集。

4）把图片转换为网络需要的类型

# 只放了训练集的代码，测试集一样操作。

ima_train = os.listdir('./train')

# 图片其实就是一个矩阵（每一个像素都是0-255之间的数）（100*100*3）

# 1.把图片转换为矩阵
def read_train_image(filename):
    img = Image.open('./train/' + filename).convert('RGB')
    return np.array(img)

x_train = []
# 2.把所有的图片矩阵放在一个列表里 (840, 100, 100, 3)
for i in ima_train:
    x_train.append(read_train_image(i))

x_train = np.array(x_train)

# 3.提取kind类别作为标签
y_train = []
for filename in ima_train:
    y_train.append(int(filename.split('_')[0]))

# 标签（0/1/2/3）(840,)
y_train = np.array(y_train)

# 我是因为重命名图片为（1/2/3/4），所以都减了1
# 为了能够转化为独热矩阵
y_train = y_train - 1

# 4.把标签转换为独热矩阵
# 将类别信息转换为独热码的形式（独热码有利于神经网络的训练）
y_train = np_utils.to_categorical(y_train)
y_test = np_utils.to_categorical(y_test)
print(y_test)

x_train = x_train.astype('float32')
x_test = x_test.astype('float32')

x_train /= 255
x_test /= 255

print(x_train.shape)  # (840, 100, 100, 3)
print(y_train.shape)  # (840,)

3 搭建卷积神经网络

Keras是基于TensorFlow的深度学习库，是由纯Python编写而成的高层神经网络API，也仅支持Python开发。

它是为了支持快速实践而对Tensorflow的再次封装，让我们可以不用关注过多的底层细节，能够把想法快速转换为结果。

# 1.搭建模型(类似于VGG，直接拿来用就行)

model = Sequential()
# 这里搭建的卷积层共有32个卷积核，卷积核大小为3*3，采用relu的激活方式。
# input_shape，字面意思就是输入数据的维度。

#这里使用序贯模型，比较容易理解
#序贯模型就像搭积木一样，将神经网络一层一层往上搭上去

model.add(Conv2D(32, (3, 3), activation='relu', input_shape=(100, 100, 3)))
model.add(Conv2D(32, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))

model.add(Conv2D(64, (3, 3), activation='relu'))
model.add(Conv2D(64, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))
#dropout层可以防止过拟合，每次有25%的数据将被抛弃

model.add(Flatten())
model.add(Dense(256, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(4, activation='softmax'))

4 训练

训练的过程，就是最优解的过程。

​

对上图来说，就是根据数据集，不断的迭代，找到一条最近似的直线（y = kx + b），把参数k，b保存下来，预测的时候直接加载。

# 编译模型
sgd = SGD(lr=0.01, decay=1e-6, momentum=0.9, nesterov=True)
model.compile(loss='categorical_crossentropy', optimizer=sgd, metrics=['accuracy'])

# 一共进行32轮
# 也就是说840张图片，每次训练10张，相当于一共训练84次
model.fit(x_train, y_train, batch_size=10, epochs=32)

# 保存权重文件（也就是相当于“房价问题的k和b两个参数”）
model.save_weights('./dog_weights.h5', overwrite=True)
# 评估模型
score = model.evaluate(x_test, y_test, batch_size=10)
print(score)

5 预测

此时k、b(参数)和x(小狗的图像)都是已知的了，求k(类别)就完了。

# 1.上传图片
name = input('上传图片的名称（例如：XX.jpg）为：')

# 2.预处理图片(代码省略)

# 3.加载权重文件
model.load_weights('dog_weights.h5')

# 4.预测类别
classes = model.predict_classes(x_test)[0]

target = ['京巴', '拉布拉多', '柯基', '泰迪']
# 3-泰迪 2-柯基 1-拉布拉多 0-京巴

# 5.打印结果
print("识别结果为:" + target[classes])

依赖环境

1 深度学习框架Keras和TensorFlow

2 PIL扩展库（预处理图片）

3 Pycharm/Jupyter notebook