基于TensorFlow卷積神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別

高 艷

（山西農(nóng)業(yè)大學(xué)信息學(xué)院，太谷 030800）

0 引言

2016年3月，谷歌公司利用卷積神經(jīng)網(wǎng)絡(luò)開發(fā)的人工智能圍棋程序Alphago戰(zhàn)勝了圍棋世界冠軍，引起了廣泛的關(guān)注[1]。卷積神經(jīng)網(wǎng)絡(luò)作為深度學(xué)習(xí)的一種方法，在圖像識(shí)別、自然語言處理、語音識(shí)別等領(lǐng)域有著重要的應(yīng)用。

神經(jīng)網(wǎng)絡(luò)的研究最早開始于20世紀(jì)40年代，之后了一定的低谷期，原因在于軟硬件的限制無法滿足神經(jīng)網(wǎng)絡(luò)的極大的并行計(jì)算量。21世紀(jì)以來，隨著軟硬件技術(shù)的不斷發(fā)展，有專門處理圖像的圖像處理器GPU，能夠支持大規(guī)模的集群節(jié)點(diǎn)計(jì)算，在此背景下，谷歌公司開發(fā)Tensorflow框架出現(xiàn)并得到了快速發(fā)展[2]。文章采用基于Tensorflow框架應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)對(duì)cifar數(shù)據(jù)集的50，000張圖片進(jìn)行了處理、建模、訓(xùn)練、測(cè)試等，可以為不同行業(yè)的進(jìn)一步應(yīng)用打下良好的基礎(chǔ)。

1 Tensorflow框架

Tensorflow是Google公司發(fā)布的開源人工智能深度學(xué)習(xí)框架，具有可移植性、可擴(kuò)展性、高效性、靈活性等特點(diǎn)[3]。TensorFlow提供了豐富的構(gòu)建和訓(xùn)練機(jī)器學(xué)習(xí)模型的API庫，支持卷積神經(jīng)網(wǎng)絡(luò)（CNN）、循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）、長(zhǎng)短期記憶網(wǎng)絡(luò)（LSTMN）等深度神經(jīng)網(wǎng)絡(luò)模型。TensorFlow支持C++、Python、Go、Java、Lua、Javascript、R等主流語言，能夠應(yīng)用到教育、交通、醫(yī)療等多個(gè)行業(yè)[4]。

2 卷積神經(jīng)網(wǎng)絡(luò)基本原理

卷積神經(jīng)網(wǎng)絡(luò)的神經(jīng)元模型[5]如圖1所示，

圖1 神經(jīng)元模型

數(shù)學(xué)公式表達(dá)為：

式中，x為輸入；w為權(quán)重；b為偏置值；f為激活函數(shù)。

卷積神經(jīng)網(wǎng)絡(luò)主要包括輸入層、卷積層、池化層、全連接層、輸出層。卷積和池化過程是為了更好的提取圖像特征。

（1）輸入層：對(duì)于圖像識(shí)別來說輸入層即我們輸入的原始圖像。

（2）卷基層：卷積是一種有效提取圖片特征的方法。一般用一個(gè)正方形卷積核，遍歷圖片上的每一個(gè)像素點(diǎn)。圖片與卷積核重合區(qū)域內(nèi)相對(duì)應(yīng)的每一個(gè)像素值乘卷積核內(nèi)相對(duì)應(yīng)點(diǎn)的權(quán)重，然后求和，再加上偏置后，最后得到輸出圖片中的一個(gè)像素值[6]，如圖2所示。

圖2 卷積過程

（3）池化層：卷基層得到的結(jié)果并經(jīng)過激活函數(shù)后作為輸入，根據(jù)池化核窗口以及滑動(dòng)步長(zhǎng)，求得到圖片在池化核窗口中最大值或者平均值作為輸出，取最大值即為最大池化，取平均值為平均池化，平均池化有利于保留圖片背景的特征。

（4）全連接：池化層得到的結(jié)果需要進(jìn)行拉直后喂入全連接網(wǎng)絡(luò)，使用神經(jīng)元模型公式進(jìn)行計(jì)算即可，即每個(gè)輸入值乘以不同的權(quán)重求和加偏置并激活經(jīng)過多次神經(jīng)網(wǎng)絡(luò)連接，并且在訓(xùn)練過程中需要舍棄一定的神經(jīng)元節(jié)點(diǎn)，之后通過Softmax函數(shù)回歸，得到輸出層。

圖3 全連接過程

3 實(shí)驗(yàn)過程

3.1 運(yùn)行環(huán)境介紹

實(shí)驗(yàn)采用Anaconda軟件，并安裝jupyter環(huán)境，以及TensorFlow框架、numpy庫、PIL庫等基礎(chǔ)上完成。

3.2 實(shí)驗(yàn)數(shù)據(jù)準(zhǔn)備及處理

數(shù)據(jù)采用keras官方下載的cifar-10-batches-py數(shù)據(jù)集，包含5萬張訓(xùn)練集圖片和1萬張測(cè)試集圖片。圖像大小為32*32的3通道彩色圖像，圖片分為10類，分別為飛機(jī)、汽車、鳥、貓、鹿、狗、青蛙、馬、輪船、卡車，如圖4所示。

首先將測(cè)試集和訓(xùn)練集的二進(jìn)制圖像轉(zhuǎn)換為jpg格式圖像，具體操作是在打開二進(jìn)制文件的基礎(chǔ)上用pickle庫對(duì)文件進(jìn)行加載，numpy庫對(duì)文件進(jìn)行處理、用scipy庫對(duì)圖形進(jìn)行保存，通過循環(huán)完成所有文件的處理。

圖4 10類圖片

3.3 卷積神經(jīng)網(wǎng)絡(luò)模型構(gòu)建

基于TensorFlow的神經(jīng)網(wǎng)絡(luò)，數(shù)據(jù)用張量（tensor）來表示，神經(jīng)網(wǎng)絡(luò)用計(jì)算圖來搭建，用會(huì)話執(zhí)行計(jì)算圖，并優(yōu)化權(quán)重得到模型。整個(gè)卷積神經(jīng)網(wǎng)絡(luò)模型搭建過程如圖5所示。

圖5 卷積神經(jīng)網(wǎng)絡(luò)模型

具體處理步驟如下：

（1）輸入層：采用第3.2部分中得到的jpg圖像，由于轉(zhuǎn)換后的數(shù)據(jù)按順序排列的，需要打亂圖片的順序，并將圖片數(shù)據(jù)轉(zhuǎn)換為數(shù)組，根據(jù)批次100劃分測(cè)試集和訓(xùn)練集，然后喂入神經(jīng)網(wǎng)絡(luò)卷積層。

（2）卷積、池化層：連續(xù)采用2次卷積、激活、池化對(duì)圖像處理，進(jìn)行特征提取，卷積層1卷積核大小為5*5，核個(gè)數(shù)為20，池化層1池化窗口為2*2，步長(zhǎng)為2*2，卷積層2的卷積核大小為4*4，核個(gè)數(shù)為40，池化層2池化窗口為2*2，步長(zhǎng)為2*2，之后將數(shù)據(jù)拉直轉(zhuǎn)化進(jìn)入全連接層。Tensorflow中采用tf.layers.conv2d（）函數(shù)、tf.layers.max_pooling2d（）函數(shù)完成卷積和池化，用tf.nn.relu（）函數(shù)完成激活。relu函數(shù)的公式[7]為：除relu激活函數(shù)外，常用的激活函數(shù)有sigmoid和tanh。

（3）全連接：在全連接層中為了防止過擬合現(xiàn)象的發(fā)生，加入Dropout，取值為0.25，在模型的訓(xùn)練過程中暫時(shí)舍棄一部分神經(jīng)元，使用該模型時(shí)被舍棄的神經(jīng)元恢復(fù)正常。Tensorflow中使用tf.layers.dropout（）來防止過擬合，使用tf.layers.dense（）完成全連接，用arg_max（）取每行最大值的索引做為預(yù)測(cè)值。

3.4 模型運(yùn)行及評(píng)價(jià)

根據(jù)搭建好卷積神經(jīng)網(wǎng)絡(luò)的計(jì)算圖，利用Tensorflow的會(huì)話（Session）功能運(yùn)行計(jì)算圖，完成樣本訓(xùn)練。

對(duì)模型的好壞評(píng)價(jià)，可以應(yīng)用“均方誤差”、“交叉熵”等方法，讓損失函數(shù)最小。這里采用“交叉熵”函數(shù)來計(jì)算訓(xùn)練的損失，使用AdamOptimizer優(yōu)化器對(duì)于損失進(jìn)行優(yōu)化，優(yōu)化學(xué)習(xí)率為0.001。Tensorflow中采用tf.nn.softmax_cross_entropy_with_logits（）進(jìn)行交叉熵?fù)p失計(jì)算，使用tf.train.AdamOptimizer（）優(yōu)化損失函數(shù)。

“交叉熵”函數(shù)的公式為：

式中，y_代表實(shí)際值；y代表預(yù)測(cè)值。

模型訓(xùn)練過程需要不斷進(jìn)行迭代，使得損失盡可能的小，這樣建立的卷積神經(jīng)網(wǎng)絡(luò)模型也就越好。本文進(jìn)行了2，000輪的迭代之后得到卷積神經(jīng)網(wǎng)絡(luò)的模型。

4 實(shí)驗(yàn)測(cè)試及結(jié)果

將測(cè)試數(shù)據(jù)集應(yīng)用到第3.4部得到的模型中，比較真實(shí)的值與模型預(yù)測(cè)值，查看預(yù)測(cè)結(jié)果的準(zhǔn)確率，如果出現(xiàn)準(zhǔn)確率比較低的情況，需要調(diào)整學(xué)習(xí)率，激活函數(shù)或者加入其他優(yōu)化方法如滑動(dòng)平均、正則化等對(duì)模型進(jìn)行進(jìn)一步的優(yōu)化。文章經(jīng)過以上應(yīng)用模型之后，發(fā)現(xiàn)不同圖像的準(zhǔn)確率有所不同，如表1所示，其中青蛙識(shí)別的準(zhǔn)確率最高，為79%，汽車的識(shí)別準(zhǔn)確率為78%，貓和狗的識(shí)別準(zhǔn)確率最低，分別為41%和53%，所有圖像識(shí)別的平均準(zhǔn)確率為65%。

另外，從每一類別圖片被識(shí)別為其他錯(cuò)誤類別的數(shù)量發(fā)現(xiàn)，飛機(jī)和鳥在識(shí)別中容易發(fā)生混淆，汽車和卡車識(shí)別中容易發(fā)生混淆，貓和狗容易容易識(shí)別中發(fā)生混淆，鹿和馬識(shí)別中容易發(fā)生混淆。

表1 不同種類圖片識(shí)別準(zhǔn)確率

5 結(jié)束語

模型建立及訓(xùn)練的過程中可以對(duì)卷積核的個(gè)數(shù)、激活函數(shù)、學(xué)習(xí)率、損失函數(shù)、訓(xùn)練輪數(shù)不斷調(diào)整，最后確定教好的模型。對(duì)于不同領(lǐng)域中的圖片，可以使用不同的卷積神經(jīng)網(wǎng)絡(luò)算法，也可以對(duì)不同的神經(jīng)網(wǎng)絡(luò)算法進(jìn)行改進(jìn)，以更好的應(yīng)用到相關(guān)研究領(lǐng)域中。另外可以進(jìn)一步使用AlexNet等神經(jīng)網(wǎng)絡(luò)算法對(duì)圖片進(jìn)行識(shí)別，提高圖片的分類效果。由于自身?xiàng)l件設(shè)備等的不足，論文圖像識(shí)別的準(zhǔn)確率還有待進(jìn)一步提高，之后將會(huì)進(jìn)行更深一步的研究。