代码示例 / 计算机视觉 / 从零开始的图像分类

从零开始的图像分类

作者: fchollet
创建日期 2020/04/27
上次修改日期 2023/11/09
描述:在 Kaggle 猫狗数据集上从零开始训练图像分类器。

ⓘ 此示例使用 Keras 3

在 Colab 中查看 GitHub 源码


简介

此示例展示了如何从头开始进行图像分类,从磁盘上的 JPEG 图像文件开始,无需利用预训练权重或预制 Keras Application 模型。我们在 Kaggle 猫狗二元分类数据集上演示了工作流程。

我们使用 image_dataset_from_directory 实用程序生成数据集,并使用 Keras 图像预处理层进行图像标准化和数据增强。


设置

import os
import numpy as np
import keras
from keras import layers
from tensorflow import data as tf_data
import matplotlib.pyplot as plt

加载数据:猫狗数据集

原始数据下载

首先,让我们下载 786M 的原始数据 ZIP 档案。

!curl -O https://download.microsoft.com/download/3/E/1/3E1C3F21-ECDB-4869-8368-6DEBA77B919F/kagglecatsanddogs_5340.zip
!unzip -q kagglecatsanddogs_5340.zip
!ls
  % Total    % Received % Xferd  Average Speed   Time    Time     Time  Current
                                 Dload  Upload   Total   Spent    Left  Speed
100  786M  100  786M    0     0  11.1M      0  0:01:10  0:01:10 --:--:-- 11.8M

 CDLA-Permissive-2.0.pdf           kagglecatsanddogs_5340.zip
 PetImages                'readme[1].txt'
 image_classification_from_scratch.ipynb

现在我们有一个 PetImages 文件夹,其中包含两个子文件夹,CatDog。每个子文件夹包含每个类别的图像文件。

!ls PetImages
Cat  Dog

过滤掉损坏的图像

在处理大量真实世界图像数据时,损坏的图像很常见。让我们过滤掉在标题中没有“JFIF”字符串的编码错误的图像。

num_skipped = 0
for folder_name in ("Cat", "Dog"):
    folder_path = os.path.join("PetImages", folder_name)
    for fname in os.listdir(folder_path):
        fpath = os.path.join(folder_path, fname)
        try:
            fobj = open(fpath, "rb")
            is_jfif = b"JFIF" in fobj.peek(10)
        finally:
            fobj.close()

        if not is_jfif:
            num_skipped += 1
            # Delete corrupted image
            os.remove(fpath)

print(f"Deleted {num_skipped} images.")
Deleted 1590 images.

生成一个 Dataset

image_size = (180, 180)
batch_size = 128

train_ds, val_ds = keras.utils.image_dataset_from_directory(
    "PetImages",
    validation_split=0.2,
    subset="both",
    seed=1337,
    image_size=image_size,
    batch_size=batch_size,
)
Found 23410 files belonging to 2 classes.
Using 18728 files for training.
Using 4682 files for validation.

可视化数据

以下是训练数据集中的前 9 张图像。

plt.figure(figsize=(10, 10))
for images, labels in train_ds.take(1):
    for i in range(9):
        ax = plt.subplot(3, 3, i + 1)
        plt.imshow(np.array(images[i]).astype("uint8"))
        plt.title(int(labels[i]))
        plt.axis("off")

png


使用图像数据增强

当您没有大型图像数据集时,一个好习惯是通过对训练图像应用随机但真实的变换(例如随机水平翻转或小的随机旋转)来人为地引入样本多样性。这有助于模型接触到训练数据的不同方面,同时减缓过拟合。

data_augmentation_layers = [
    layers.RandomFlip("horizontal"),
    layers.RandomRotation(0.1),
]


def data_augmentation(images):
    for layer in data_augmentation_layers:
        images = layer(images)
    return images

让我们通过重复将 data_augmentation 应用于数据集中的前几张图像来可视化增强样本的样子。

plt.figure(figsize=(10, 10))
for images, _ in train_ds.take(1):
    for i in range(9):
        augmented_images = data_augmentation(images)
        ax = plt.subplot(3, 3, i + 1)
        plt.imshow(np.array(augmented_images[0]).astype("uint8"))
        plt.axis("off")

png


标准化数据

我们的图像已经具有标准尺寸(180x180),因为它们正作为连续的 float32 批次由我们的数据集产生。但是,它们的 RGB 通道值在 [0, 255] 范围内。这对神经网络来说并不理想;通常您应该尽量使输入值变小。在这里,我们将使用模型开头的 Rescaling 层将值标准化为 [0, 1] 范围。


预处理数据的两种选项

您可以使用 data_augmentation 预处理器有两种方式。

选项 1:将其作为模型的一部分,如下所示。

inputs = keras.Input(shape=input_shape)
x = data_augmentation(inputs)
x = layers.Rescaling(1./255)(x)
...  # Rest of the model

使用此选项,您的数据增强将在设备上发生,与模型执行的其余部分同步,这意味着它将受益于 GPU 加速。

请注意,数据增强在测试时处于非活动状态,因此输入样本仅会在 fit() 期间增强,而不会在调用 evaluate()predict() 时增强。

如果您在 GPU 上进行训练,这可能是一个不错的选择。

选项 2:将其应用于数据集,以便获得一个产生增强图像批次的数据集,如下所示。

augmented_train_ds = train_ds.map(
    lambda x, y: (data_augmentation(x, training=True), y))

使用此选项,您的数据增强将在 CPU 上异步发生,并在进入模型之前进行缓冲。

如果您在 CPU 上进行训练,这是更好的选择,因为它使数据增强异步且非阻塞。

在本例中,我们将选择第二个选项。如果您不确定选择哪个选项,第二个选项(异步预处理)始终是一个可靠的选择。


配置数据集以提高性能

让我们将数据增强应用于我们的训练数据集,并确保使用缓冲预取,以便我们可以从磁盘生成数据,而不会导致 I/O 成为阻塞操作。

# Apply `data_augmentation` to the training images.
train_ds = train_ds.map(
    lambda img, label: (data_augmentation(img), label),
    num_parallel_calls=tf_data.AUTOTUNE,
)
# Prefetching samples in GPU memory helps maximize GPU utilization.
train_ds = train_ds.prefetch(tf_data.AUTOTUNE)
val_ds = val_ds.prefetch(tf_data.AUTOTUNE)

构建模型

我们将构建一个小型版本的 Xception 网络。我们没有特别尝试优化架构;如果您想系统地搜索最佳模型配置,请考虑使用 KerasTuner

注意

  • 我们以data_augmentation预处理器开始模型,后跟一个Rescaling层。
  • 我们在最终分类层之前包含一个Dropout层。
def make_model(input_shape, num_classes):
    inputs = keras.Input(shape=input_shape)

    # Entry block
    x = layers.Rescaling(1.0 / 255)(inputs)
    x = layers.Conv2D(128, 3, strides=2, padding="same")(x)
    x = layers.BatchNormalization()(x)
    x = layers.Activation("relu")(x)

    previous_block_activation = x  # Set aside residual

    for size in [256, 512, 728]:
        x = layers.Activation("relu")(x)
        x = layers.SeparableConv2D(size, 3, padding="same")(x)
        x = layers.BatchNormalization()(x)

        x = layers.Activation("relu")(x)
        x = layers.SeparableConv2D(size, 3, padding="same")(x)
        x = layers.BatchNormalization()(x)

        x = layers.MaxPooling2D(3, strides=2, padding="same")(x)

        # Project residual
        residual = layers.Conv2D(size, 1, strides=2, padding="same")(
            previous_block_activation
        )
        x = layers.add([x, residual])  # Add back residual
        previous_block_activation = x  # Set aside next residual

    x = layers.SeparableConv2D(1024, 3, padding="same")(x)
    x = layers.BatchNormalization()(x)
    x = layers.Activation("relu")(x)

    x = layers.GlobalAveragePooling2D()(x)
    if num_classes == 2:
        units = 1
    else:
        units = num_classes

    x = layers.Dropout(0.25)(x)
    # We specify activation=None so as to return logits
    outputs = layers.Dense(units, activation=None)(x)
    return keras.Model(inputs, outputs)


model = make_model(input_shape=image_size + (3,), num_classes=2)
keras.utils.plot_model(model, show_shapes=True)

png


训练模型

epochs = 25

callbacks = [
    keras.callbacks.ModelCheckpoint("save_at_{epoch}.keras"),
]
model.compile(
    optimizer=keras.optimizers.Adam(3e-4),
    loss=keras.losses.BinaryCrossentropy(from_logits=True),
    metrics=[keras.metrics.BinaryAccuracy(name="acc")],
)
model.fit(
    train_ds,
    epochs=epochs,
    callbacks=callbacks,
    validation_data=val_ds,
)
Epoch 1/25
...
Epoch 25/25
 147/147 ━━━━━━━━━━━━━━━━━━━━ 53s 354ms/step - acc: 0.9638 - loss: 0.0903 - val_acc: 0.9382 - val_loss: 0.1542

<keras.src.callbacks.history.History at 0x7f41003c24a0>

在对完整数据集训练 25 个周期后,我们获得了 >90% 的验证准确率(在实践中,您可以在验证性能开始下降之前训练 50 多个周期)。


对新数据运行推理

请注意,在推理时,数据增强和 dropout 是无效的。

img = keras.utils.load_img("PetImages/Cat/6779.jpg", target_size=image_size)
plt.imshow(img)

img_array = keras.utils.img_to_array(img)
img_array = keras.ops.expand_dims(img_array, 0)  # Create batch axis

predictions = model.predict(img_array)
score = float(keras.ops.sigmoid(predictions[0][0]))
print(f"This image is {100 * (1 - score):.2f}% cat and {100 * score:.2f}% dog.")
 1/1 ━━━━━━━━━━━━━━━━━━━━ 2s 2s/step
This image is 94.30% cat and 5.70% dog.

png