基于Inception V3的巖石圖像識(shí)別

趙陳 劉小鋒 劉樹(shù)參

摘 要：本文基于現(xiàn)代自動(dòng)識(shí)別技術(shù)，利用深度學(xué)習(xí)的開(kāi)源框架TensorFlow訓(xùn)練識(shí)別模型，建立數(shù)據(jù)集，對(duì)花綠、灰瑪瑙、白鉛礦、輝銻礦、天青石、瑪瑙晶洞、菱鐵礦、藍(lán)金砂、條紋瑪瑙、油頁(yè)巖、鋁土礦以及普通輝石等十二種礦物進(jìn)行圖像識(shí)別并對(duì)礦物性質(zhì)進(jìn)行介紹。訓(xùn)練模型有利于向社會(huì)大眾推廣地質(zhì)知識(shí)以及有利于高校地質(zhì)相關(guān)專業(yè)學(xué)生學(xué)習(xí)。模型訓(xùn)練完成后，可以對(duì)模型準(zhǔn)確率進(jìn)行驗(yàn)證，在本文中識(shí)別的十二種巖石類型中，每次識(shí)別后輸出識(shí)別概率最大的兩種巖石類別，其中TOP2的識(shí)別準(zhǔn)確率為95.6%，達(dá)到預(yù)期效果。模型訓(xùn)練完成后，便可部署訓(xùn)練好的模型對(duì)拍攝所得圖片進(jìn)行識(shí)別。

關(guān)鍵詞：巖石;自動(dòng)識(shí)別;Inception v3

1模型介紹

Inception v3這種更深的網(wǎng)絡(luò)結(jié)構(gòu)是基于Inception module子網(wǎng)構(gòu)建的，該結(jié)構(gòu)使GoogLeNet能夠更有效地利用參數(shù)，因此，相對(duì)于AlexNet少了10倍的參數(shù)。針對(duì)每個(gè)Inception module，其輸入被拷貝四份供不同的層使用，即圖中三個(gè)1*1+1（S）卷積層和一個(gè)3*3+1（S）最大池化層。第二層的三個(gè)卷積層為1*1+1（S），3*3+1（S），5*5+1（S），能夠獲取到不同尺度的特征模式。該結(jié)構(gòu)中所有的卷積層都使用ReLU激活函數(shù)。

Inception module中，所有層的步長(zhǎng)均為1，并且使用了SAME填充，因此，各個(gè)層的輸出具有相同的尺寸（深度可以不同）。由于各個(gè)輸出具有相同的尺寸，可以將其沿深度方向疊加，構(gòu)成深度疊加層（depth concat layer），該層可以通過(guò)TensorFlow中的concat函數(shù)實(shí)現(xiàn)，其中axis=3（axis 3為深度方向）。Inception module中使用了1*1+1（S）的過(guò)濾器（卷積核），其作用如下：相比輸入，其輸出更少的特征圖，起到了降維的作用，因此稱為瓶頸層。當(dāng)在3*3和5*5等計(jì)算量巨大的卷積層之前使用時(shí)，其作用尤其明顯。1*1，3*3和1*1，5*5的結(jié)構(gòu)，構(gòu)成了更有效的卷積層，能夠獲取更復(fù)雜的特征模式。實(shí)際上，在對(duì)輸入圖像進(jìn)行遍歷掃描時(shí)，這種卷積層組合相當(dāng)于一個(gè)兩層神經(jīng)網(wǎng)絡(luò)，而不是簡(jiǎn)單的線性分類。綜上，可以將一個(gè)Inception module視為一個(gè)卷積層，能夠輸出具有不同尺度的復(fù)雜特征模式的特征圖。

2數(shù)據(jù)增強(qiáng)及處理

識(shí)別模型的深度學(xué)習(xí)需要擁有充足數(shù)量的訓(xùn)練樣本。訓(xùn)練樣本越多，訓(xùn)練得到的模型效果就會(huì)越好，準(zhǔn)確率越高。本研究中對(duì)花綠、灰瑪瑙、白鉛礦、輝銻礦、天青石、瑪瑙晶洞、菱鐵礦、藍(lán)金砂、條紋瑪瑙、油頁(yè)巖、鋁土礦以及普通輝石等十二種礦物進(jìn)行訓(xùn)練識(shí)別。在圖像任務(wù)中，對(duì)輸入的圖像進(jìn)行一些簡(jiǎn)單的平移、縮放、顏色變換，可以獲得更充足的訓(xùn)練數(shù)據(jù)，而不會(huì)改變圖像的原有標(biāo)簽。

PIL是一個(gè)函式庫(kù)，提供了幾個(gè)操作圖像的標(biāo)準(zhǔn)程序，包括了基礎(chǔ)的圖像處理函數(shù)。PIL庫(kù)同樣支持圖像的大小轉(zhuǎn)換，圖像旋轉(zhuǎn)，以及任意的仿射變換。PIL還有一些直方圖的方法，可以展示圖像的一些統(tǒng)計(jì)特性。這個(gè)功能可以用來(lái)實(shí)現(xiàn)圖像的自動(dòng)增強(qiáng)對(duì)比度，還有全局的統(tǒng)計(jì)分析等。通過(guò)PIL庫(kù)對(duì)于收集到的12種巖石的原始圖片進(jìn)行拉伸、剪切、翻轉(zhuǎn)等操作以獲得更充足的訓(xùn)練數(shù)據(jù)，擴(kuò)充原始數(shù)據(jù)集，使模型訓(xùn)練的效果更好。

3巖石圖像識(shí)別功能實(shí)現(xiàn)

當(dāng)在自己的數(shù)據(jù)集上訓(xùn)練一個(gè)新的深度學(xué)習(xí)模型時(shí)，一般采取在預(yù)訓(xùn)練ImageNet上進(jìn)行微調(diào)的方法，借助微調(diào)，可以從預(yù)訓(xùn)練模型出發(fā)，將神經(jīng)網(wǎng)絡(luò)應(yīng)用到自己的數(shù)據(jù)集上。在數(shù)據(jù)集準(zhǔn)備完成之后，需要將數(shù)據(jù)集切分為訓(xùn)練集和驗(yàn)證集，其中訓(xùn)練集用于訓(xùn)練模型，驗(yàn)證集用來(lái)驗(yàn)證模型的準(zhǔn)確率。在數(shù)據(jù)保存時(shí)將圖片分別保存在訓(xùn)練與驗(yàn)證兩個(gè)目錄下，分別表示訓(xùn)練使用的圖片和驗(yàn)證使用的數(shù)據(jù)。TensorFlow Slim是Google公司發(fā)布的一個(gè)圖像分類工具包，它不僅定義了一些方便的接口，還提供了很多ImageNet數(shù)據(jù)集上常用的網(wǎng)絡(luò)結(jié)構(gòu)和預(yù)訓(xùn)練模型。Slim提供了本文使用的IncepitonV3的模型結(jié)構(gòu)，下載Slim的源代碼之后，將模型代碼做適當(dāng)修改以及對(duì)數(shù)據(jù)集進(jìn)行定義并建立訓(xùn)練文件夾。在模型中對(duì)Inceotion V3/Logits，Inceotion V3/AuxLofits兩個(gè)變量進(jìn)行微調(diào)，因?yàn)橹挥兴麄冏鳛镮nceotion V3結(jié)構(gòu)的fc8部分是需要調(diào)整的[1]。模型訓(xùn)練完成之后，可以對(duì)模型準(zhǔn)確率進(jìn)行驗(yàn)證。在本文中識(shí)別的十二種巖石類型中，每次識(shí)別過(guò)后輸出識(shí)別概率最大的兩種類別，TOP2的識(shí)別準(zhǔn)確率為95.6%。模型訓(xùn)練完成后，便可部署訓(xùn)練好的模型對(duì)拍攝圖片做種類識(shí)別。對(duì)于Inception V3模型進(jìn)行遷移學(xué)習(xí)得到12種巖石識(shí)別模型的訓(xùn)練一共進(jìn)行了2783步，訓(xùn)練過(guò)程中的TOP2準(zhǔn)確率的變化過(guò)程如圖3.1所示，準(zhǔn)確率穩(wěn)步上升，最后準(zhǔn)確率穩(wěn)定在95%左右，當(dāng)TOP2準(zhǔn)確率達(dá)到95.6%時(shí)停止訓(xùn)練。

4結(jié)果展示

識(shí)別時(shí)將拍照取得圖片輸入對(duì)于Inception V3進(jìn)行遷移學(xué)習(xí)得到的模型中，模型將識(shí)別可能性最高的2種巖石類型進(jìn)行展示，顯示對(duì)識(shí)別結(jié)果的評(píng)分，得分越高則為正確結(jié)果的可能性越大。如圖4.1所示為白鉛礦的輸入圖片與識(shí)別結(jié)果展示，可見(jiàn)識(shí)別結(jié)果為白鉛礦的評(píng)分約為9.6，為天青石的結(jié)果僅為1.4，識(shí)別結(jié)果準(zhǔn)確。

參考文獻(xiàn)：

[1]何之源.21個(gè)項(xiàng)目玩轉(zhuǎn)深度學(xué)習(xí)[M].北京：電子工業(yè)出版社，2018：49-67.