原

python 卷积图像识别实战

2403人阅读 2023/5/7 17:32 总访问：2275633 评论：1 收藏：0 手机

分类: AI

![](https://img.tnblog.net/arcimg/hb/55a6e3fdaa9846cb81829fd20288e216.jpg)
>#python 卷积图像识别实战
[TOC]

前提回顾
------------

tn2>我们通过卷积将原始图像，通过卷积核，得出卷积后的图像，这个中间的过程被称为卷积层，最后纳入神经网络中进行训练。
当然你可能有这样的疑惑，就是如何得出卷积核的值呢？

![](https://img.tnblog.net/arcimg/hb/3a047c9668a54524a47124fe768f2b8c.png)

tn2>卷积核的值是通过训练而来的。
还是与以前一样通过反向传播、梯度下降得来的，区别在于提取数据的方式不同。

卷积核值原理
------------

tn2>假设我们的原始图的大小只有`4*4`，用一个`3*3`的卷积核去卷它，得到一个`2*2`的矩阵，卷完以后我们送入到一个全连接层中。
然后通过代价函数，把误差代价传播到这两层的各个权值和偏置项中，但如何传到这个卷积层中呢？貌似就不行了。

![](https://img.tnblog.net/arcimg/hb/cdf069be494041898407f76fd0d8b2bc.png)

tn2>我们首先通过一个随机的`3*3`的卷积核，在`4*4`的原始图中得出`2*2`的卷积图像。然后把这四个值当成一个四个神经元，并加上偏置项b中，并再带上Rule函数就与神经网络没什么两样了。

![](https://img.tnblog.net/arcimg/hb/b59e5ced97e0457abd0aae8f6c41fb3e.png)

![](https://img.tnblog.net/arcimg/hb/7b26998ab27e47d18132e47d5bbd0102.png)

tn2>但是这里面的细节还是有些不一样，首先这四个神经元的输出是根据卷积的过程排列而成的二位结构，而不是这样的平铺，到后面我们送到全链接层的时候我们需要手动把它平铺开；然后这四个神经元的输入并不相同，实际上是同一个图片的不同位置，并且使用同一个卷积核，所以他们的偏置项是一样的（这也是所谓的`参数共享`）。

![](https://img.tnblog.net/arcimg/hb/aba2a331ea224f5db27fc0618795277d.png)

![](https://img.tnblog.net/arcimg/hb/095ffe41a8ed4ccd8cc8a2a4d8714e59.png)

tn2>一个卷积核提取出来的结果是提取图像的一种特征，我们需要提取图像更多的特征。
实际上你想要多少个特征你就搞多少个卷积核就好了。

![](https://img.tnblog.net/arcimg/hb/6d3c11cb715e455b9cd8b122fd6d5062.png)

tn2>而这三个卷积核得出的结果是一个三维向量，我们可以将三维的向量铺开就是一个一维的向量，然后在后面构造全链接层。

![](https://img.tnblog.net/arcimg/hb/1ca473f5de864a0191c9d34f7856cd4f.png)

tn2>但在我们卷全连接之前我们还可不可以继续卷这个`6*6*3`的数据呢？当然可以比如LeNet-5网络。

LeNet-5神经网络结构
------------

tn2>LeNet-5网络中就卷了两次之后再送入全连接层，那我们怎么去卷这个`6*6*3`的三维数据呢？实际上卷积运算不仅可以在二维上进行，同样可以在3维数据上进行，我们在3维数据上我们用3维的卷积核。

![](https://img.tnblog.net/arcimg/hb/fd68a245a9c3466eb255da0d3aa2db7c.png)

tn2>3维卷积的方式和二维几乎一模一样，三维卷积先找到数据和卷积核立方块对应的位置的元素相乘，然后加起来得到一个结果，当然最后还需要给结果加上偏置项b，再经过激活做非线性运算得到最后的输出。

![](https://img.tnblog.net/arcimg/hb/86ac228bbefa4508ac4c5a5f05fdd62a.png)

tn2>当然我们也可以添加4个神经元变成`4*4*4`的张量数据，被卷积核的数据的第3个维度也就是所谓的通道数（`6*6*3`）。为什么是通道数？

![](https://img.tnblog.net/arcimg/hb/45c62276ff8b4c16a6d0fd515d5a0dd9.png)

tn2>如果我们的图像是彩色的RGP三个通道，那我们的输入是一个3通道的图像，所以把数据的第三个维度值称为通道数量，要对这样的值进行卷积那么卷积核也必须是三维的，而且第三个维度值也必须和数据的通道数一样。

![](https://img.tnblog.net/arcimg/hb/33b8ae12794a4c4eb0d518f5e74f13cc.png)

tn2>如果我们还想把第二层卷积的输出结果继续卷，卷积核的第三个维度值需要和数据的通道数一样，我们可以使用`3*3*4`的卷积核。

![](https://img.tnblog.net/arcimg/hb/86cb9dbaab674f4ba4b776f7d226c09f.png)

tn2>除了我们两个卷积层以外还多出了两个立方块，这两个立方块就是所谓的池化层。

![](https://img.tnblog.net/arcimg/hb/fbabf7d75d064ac6a40bd6e7fe948df0.png)

tn2>我们从输出的左上角开始框出`2*2`（举例不一定非得`2*2`）,再求出这个`2*2`数据的平均值得到第二个结果，然后一直顶到最右边。这个操作就是`池化`。

![](https://img.tnblog.net/arcimg/hb/d34c9e6c215a4436aa106a54aa602352.png)

tn2>还有一种常见的方法是取最大值，就是取4个数的最大值，就叫最大池化，前面采用平均值的方式也叫AveragePooling平均池化。

图片卷积变大变小公式
------------

tn2>变小公式，举例把`32*32`的图片像素转成`28*28`图片像素需要一个`5*5`的卷积核。
填充完了之后信息损失越来越多，之后人们又提出了新的填充方案。

![](https://img.tnblog.net/arcimg/hb/4d8444be1d374c949ae338b649161dcf.png)

tn2>比如卷积核是`5*5`就填充两圈，这样原始图片就从`28*28`填充成了`32*32`，这种卷积模式就是`Same模式`。

![](https://img.tnblog.net/arcimg/hb/80727d7d3d734c69b80acdfd41679975.png)

tn2>除了Same模式还有一种valid模式，越卷越小。

![](https://img.tnblog.net/arcimg/hb/e895fe5702254e2585cd78388f2f2fe2.png)

编程实践
------------

tn2>模拟LeNet-5神经网络的实现。

![](https://img.tnblog.net/arcimg/hb/4b9892530a0e494e906405868f78f4f5.png)

```python
from keras.datasets import mnist
import numpy as np
from keras.models import Sequential
from keras.layers import Dense
from keras.optimizers import SGD
import plot_utils_2
import matplotlib.pyplot as plt
from keras.utils.np_utils import to_categorical
# 导入二维卷积层
from keras.layers import Conv2D
# 导入池化层
from keras.layers import AveragePooling2D
# 平铺数组
from keras.layers import Flatten


(X_train, Y_train), (X_test, Y_test) = mnist.load_data()


# ndarray 的 reshape函数改变数组的形状。
# 把28*28的图片像素。
# 除以255的目的在于降低梯度下降的复杂度
# 训练集
X_train = X_train.reshape(60000,28,28,1)/255
# 测试集
X_test = X_test.reshape(10000,28,28,1)/255

# 转换成One Hot编码
Y_train = to_categorical(Y_train,10)
Y_test = to_categorical(Y_test,10)

model = Sequential()
# filter 卷积核/过滤器数量
# kernel_size 卷积核尺寸
# strides 步长（一般都是挪动一步，当然也可以挪动多步）
# input_shape 输入形状（这里是一个28*28*1的张量）
# padding 填充模式 valid模式越小
# activation 激活函数 relu
# 
# Convolutions
model.add(Conv2D(filter=6,kernel_size=(5,5),strides=(1,1),input_shape=(28,28,1),padding='valid',activation='relu'))
# 池化大小和窗口大小。
# 注意：keras中池化操作的步长不指定默认和pool_size一样，这里的步长也就默认是(2,2)
# 
# Subsamping
model.add(AveragePooling2D(pool_size=(2,2)))
# 卷积出8*8*16
#
# Convolutions
model.add(Conv2D(filter=16,kernel_size=(5,5),strides=(1,1),padding='valid',activation='relu'))
# 输出4*4*16
# 
# Subsamping
model.add(AveragePooling2D(pool_size=(2,2)))
# Full connection 平铺
model.add(Flatten())
# 输出层
model.add(Dense(units=120, activation='relu'))
model.add(Dense(units=84, activation='relu'))
model.add(Dense(units=10, activation='softmax'))

# 送入训练
model.compile(loss='categorical_crossentropy', optimizer=SGD(lr=0.05),metrics=['accuracy'])
model.fit(X_train,Y_train,epochs=5000,batch_size=4096)

# 评估测试集
# 添加测试数据进行测试模型的泛化能力
loss, accuracy = model.evaluate(X_test, Y_test)
# 打印出损失和准确率
print("loss"+str(loss))
print("loss"+str(accuracy))

```

![](https://img.tnblog.net/arcimg/hb/997d2a942ded440c9dcf76feac647ba0.png)

欢迎加群讨论技术，1群：677373950(满了，可以加，但通过不了)，2群：656732739

👈{{preArticle.title}}

👉{{nextArticle.title}}

评价

尘叶心繁

这一世以无限游戏为使命！

博主信息

排名

文章

粉丝

文章类别

.net后台框架 165篇

linux 17篇

linux中cve 1篇

windows中cve 0篇

资源分享 10篇

Win32 3篇

前端 28篇

传说中的c 4篇

Xamarin 9篇

docker 15篇

容器编排 101篇

grpc 4篇

Go 15篇

yaml模板 1篇

理论 2篇

python 卷积图像识别实战

{{titleitem}} {{titleitem}}

{{titleitem}} {{titleitem}}