AI人工智能培訓：AlexNet手寫數(shù)字圖像識別

圖像分類

圖像分類實質上就是從給定的類別集合中為圖像分配對應標簽的任務。也就是說我們的任務是分析一個輸入圖像并返回一個該圖像類別的標簽。

假定類別集為categories = {dog, cat, panda}，之后我們提供一張圖片給分類模型，如下圖所示：

分類模型給圖像分配多個標簽，每個標簽的概率值不同，如dog:95%，cat:4%，panda:1%，根據(jù)概率值的大小將該圖片分類為dog，那就完成了圖像分類的任務。下面利用AlexNet完成圖像分類過程的講解。

AlexNet完手寫數(shù)字勢識別

2012年，AlexNet橫空出世，該模型的名字源于論文第一作者的姓名Alex Krizhevsky 。AlexNet使用了8層卷積神經(jīng)網(wǎng)絡，以很大的優(yōu)勢贏得了ImageNet 2012圖像識別挑戰(zhàn)賽。它首次證明了學習到的特征可以超越手工設計的特征，從而一舉打破計算機視覺研究的方向。

AlexNet使用ImageNet數(shù)據(jù)集進行訓練，但因為ImageNet數(shù)據(jù)集較大訓練時間較長，我們仍用前面的MNIST數(shù)據(jù)集來演示AlexNet。讀取數(shù)據(jù)的時將圖像高和寬擴大到AlexNet使用的圖像高和寬227。這個通過tf.image.resize_with_pad來實現(xiàn)。

數(shù)據(jù)讀取

首先獲取數(shù)據(jù),并進行維度調整：

import numpy as np
# 獲取手寫數(shù)字數(shù)據(jù)集
(train_images, train_labels), (test_images, test_labels) = mnist.load_data()
# 訓練集數(shù)據(jù)維度的調整：N H W C
train_images = np.reshape(train_images,(train_images.shape[0],train_images.shape[1],train_images.shape[2],1))
# 測試集數(shù)據(jù)維度的調整：N H W C
test_images = np.reshape(test_images,(test_images.shape[0],test_images.shape[1],test_images.shape[2],1))

# 定義兩個方法隨機抽取部分樣本演示# 獲取訓練集數(shù)據(jù)def get_train(size):
    # 隨機生成要抽樣的樣本的索引
    index = np.random.randint(0, np.shape(train_images)[0], size)
    # 將這些數(shù)據(jù)resize成227*227大小
    resized_images = tf.image.resize_with_pad(train_images[index],227,227,)
    # 返回抽取的
    return resized_images.numpy(), train_labels[index]# 獲取測試集數(shù)據(jù) def get_test(size):
    # 隨機生成要抽樣的樣本的索引
    index = np.random.randint(0, np.shape(test_images)[0], size)
    # 將這些數(shù)據(jù)resize成227*227大小
    resized_images = tf.image.resize_with_pad(test_images[index],227,227,)
    # 返回抽樣的測試樣本
    return resized_images.numpy(), test_labels[index]

# 獲取訓練樣本和測試樣本
train_images,train_labels = get_train(256)
test_images,test_labels = get_test(128)

# 數(shù)據(jù)展示：將數(shù)據(jù)集的前九個數(shù)據(jù)集進行展示for i in range(9):
    plt.subplot(3,3,i+1)
    # 以灰度圖顯示，不進行插值
    plt.imshow(train_images[i].astype(np.int8).squeeze(), cmap='gray', interpolation='none')
    # 設置圖片的標題：對應的類別
    plt.title("數(shù)字{}".format(train_labels[i]))