▌一、前言
阅读本文的基础:我会认为你对BP神经网络有充分的了解,熟读过我上一篇文章,本文会大量引用上一篇文章的知识以及代码。上一篇笔记的传送门:《AI从入门到放弃:BP神经网络算法推导及代码实现笔记》
▌二、用MLP做图像分类识别?
在没有CNN以及更先进的神经网络的时代,朴素的想法是用多层感知机(MLP)做图片分类的识别,没毛病。作为上篇笔记学习的延续,以及下一篇CNN的药引,使用MLP来做图片分类识别,实在是个不错的过度例子。通过这个例子,从思路上引出一系列的问题,我不卖关子,自问自答吧,即:MLP能做图片分类识别吗?--> 答案是是可以的,上一篇我们是拟合非线性分类函数,这里是拟合图像特征,数学本质没区别。
MLP做这个事情效果如何?--> 个人认知内,只能说一般一般。MLP在这一领域效果一般,是有什么缺陷吗? --> 缺陷是有的,下文会详细说。有更好的解决方案吗? --> 那也是必须有的,地球人火星人喵星人都知道有CNN等等更先进的东东;但是在没有这些东西存在的时代,你发明出来了,那才真是666。
▌三、先上车
1. 数据源
数据源当然是图片,但是是经过数据化处理的图片,使用的是h5文件。h5文件简单说就是把数据按索引固化起来,挺简单的不多说,度度一下:
h5py入门讲解:
https://blog.csdn.net/csdn15698845876/article/details/73278120
我们有3个h5文件,存着不重复的图片数据,分别是:
train_catvnoncat.h5 (用来训练模型用的,一共有209张,其中有猫也有不是猫的图片,尺寸64*64像素)
test_catvnoncat.h5 (用来测试模型准确度的,一共有50张图片,,其中有猫也有不是猫的图片,尺寸64*64像素)
my_cat_misu.h5 (用来玩的,我家猫主子的1张照骗,尺寸64*64像素)
2. 数据结构
拿train_catvnoncat.h5举例,这个文件有2个索引:
train_set_x:这是一个数组,因为是209张图片,所以数组长度是209。数组中的元素是一个 64*64*3 的矩阵。64*64是图片像素尺寸,3是什么鬼?别忘了这是彩色图片,3就是代表RGB这3个颜色通道的值。
train_set_y:图片标签数组,长度也是209,是209张图片的标签(label),对应数组下标的值是1时,代表这张图片是喵星人,0则代表不是。
同理,test_catvnoncat.h5 中有 test_set_x 和 test_set_y;my_cat_misu.h5 中有 mycat_set_x 和 mycat_set_y
3. 告诉你怎么制作图片的h5文件,以后做cnn等模型训练时,非常有用
以我主子为例子:
原图:
自己处理成64*64的图片,当然你也可以写代码做图片处理,我懒,交给你实现了:
python代码,用到h5py库:
defsave_imgs_to_h5file(h5_fname,x_label,y_label,img_paths_list,img_label_list):#构造n张图片的随机矩阵data_imgs=np.random.rand(len(img_paths_list),64,64,3).astype('int')label_imgs=np.random.rand(len(img_paths_list),1).astype('int')#plt.imread可以把图片以多维数组形式读出来,然后我们存成n*n*3的矩阵foriinrange(len(img_paths_list)):data_imgs[i]=np.array(plt.imread(img_paths_list[i]))label_imgs[i]=np.array(img_label_list[i])#创建h5文件,按照指定的索引label存到文件中,完事了f=h5py.File(h5_fname,'w')f.create_dataset(x_label,data=data_imgs)f.create_dataset(y_label,data=label_imgs)f.close()returndata_imgs,label_imgs#用法#图片label为1代表这是一张喵星人的图片,0代表不是save_imgs_to_h5file('datasets/my_cat_misu.h5','mycat_set_x','mycat_set_y',['misu.jpg'],[1])
4. 看看我的数据源的样子
用来训练的图片集合,209张:
用来校验模型准确度的图片集合, 50张
用来玩的,主子照骗,1张:
▌四. 开车了
1. 如何设计模型:
输入层:我们的图片是64*64的像素尺寸,那么算上RGB三个通道的数据,我们把三维矩阵拉成面条 64*64*3 = 12288。 也就是我们输入层的数据长度是12288。
隐藏层:使用多层隐藏层,可以自行多尝试一下不同的结构。这里我使用3个隐藏层,隐藏层神经元个数分别是20,7,5
输出层:我们的目标就是判断某张图片是否是猫而已,所以输出层1个神经元,输出概率大于0.5认为是猫,小于等于0.5认为不是。
【插播】:有人会想,第一层隐藏层的神经元和输入层数量一致是不是会好点?理论上是会好点,但是这涉及到MLP的一个缺陷,因为全连接情况下,这样做,第一层的权重w参数就有1228的平方个,约为1.5个亿。如果图片更大呢?参数会成指数级膨胀,后果尽情想象。
2. 如何训练模型
还用说,把209张图片的数据扔到神经网络,完成一次迭代,然后训练1万次,可自行尝试迭不同代次数观察效果。
3. 如何衡量模型的准确度
大神吴恩达(Andrew Ng)提到的方法之一,就是划分不同集合,一部分用来训练,一部分用来验证模型效果,这样可以达到衡量你所训练的模型的效果如何。所以我们训练使用209张图片,最终使用50张测试模型效果。
为了好玩,可以自己用不同图片通过模型去做分类识别。
▌五. 老规矩,甩代码
还是说明一下代码流程吧:
代码使用到的 NeuralNetwork 是我上一篇笔记的代码,实现了BP神经网络,import进来直接用即可。
代码做的事情就是:
从h5文件加载图片数据
把原始图片显示出来,同时也保存成图片文件
训练神经网络模型
验证模型准确度
把识别结果标注到原始图片上,同时也保存成图片文件
▌六.结论
1. 神经网络模型的输出结果,标注到了图片上并展示出来,规则是:
结果展示说明:
【识别正确】:原图是猫,识别为猫 --> 原图显示原图不是猫,识别为不是猫 --> 降低显示亮度【识别错误】:原图是猫,但是识别为不是猫 --> 标红显示原图不是猫, 但是识别成猫 --> 标红显示
图片标题会显示Accuracy(准确度),准确度的计算公式是: 识别正确图片数/图片总数。
2. 模型训练完成后,把训练用的209张图片用训练好的模型识别一遍,观察结果:可以看到,迭代1w次的模型,识别训练图集,准确度是 100% 的:
3. 模型训练完成后,使用测试图集用训练好的模型识别一遍,观察结果:可以看到,迭代1w次的模型,识别训练图集,准确度只有 78%:
4. 看看模型能不能认出我主子是喵星人,看样子,它是认出来了:
▌七.对结果进一步分析,引出一系列问题
抛出一个问题:为什么用测试图集验证模型,识别率只有78%?在我尝试过改变神经网络结构设计,参数调参后,仍然无法提高识别率,为什么呢?
不算彻底的解答:
也许是我水平有限,调参姿势不对?姿势帅并不是万能的,我们应该从更深层次的原理进行分析。
有人说,你训练数据少了,好像有那么些道理。其实是可以给模型输入更多图片的特征是个不错的办法,比如旋转一下,图片内容放大缩小,挪挪位置等。但是Andrew Ng也说过,过分追求训练数据收集是一条不归路。
在同等训练数据集下,有更好的办法吗?由此引出下一个问题。
刨根问底:想要知道为什么MLP识别度难以做到很高,撇开网络结构,调参,训练数据先不谈。我们应该从MLP身上找找茬。搞清楚我们目标,是提高对图片进行分类识别,那么在使用MLP实现这个目标时,它自身是否有缺陷,导致实现这个目标遇到了困难。那么解决了这些困难,就找到了解决问题的方法。
MLP在做图片分类识别的缺陷:神经元是全连接的方式构成的神经网络,全连接情况下,假设图片是1k*1k像素大小,那么隐藏层个数和输入层尺寸一致时,不考虑RGB颜色通道,单通道下,权重w参数个数会是:(没数错0的话)
如果图片再大点,参数膨胀到不可想象,直接导致的负面效果是:
参数过多,计算量庞大
全连接情况下,过深的网络容易导致梯度消失,模型难以训练
MLP全连接的情况下,无法做到图片的形变识别。怎么理解这个词呢,拿手写数字举个例子,比如写8,每个人书写习惯不一样,有的人写的很正,但有的人写歪了点,上半部分小,下半部分大,等等。这时候,MLP的缺点就显现出来了,同一张图片,旋转,或者稍微平移形变一下,它无法识别。你可以通过增加更多特征给模型,但这不是本质上的解决该问题的方法,而是对训练的优化手段。
▌八. 总结要解决的问题,离下一个坑就不远了
上面已经列举了要解决的几个问题,这里总结一下:
我们要解决参数膨胀带来的计算量庞大的问题。
优化参数量之后,如何在同等训练数据集不变的情况下,如何提取更多特征。
在输入有一定的旋转平移伸缩时,仍能正确识别。
能解决以上问题的众所周知,就是CNN以及众多更先进的神经网络模型了。本文作为一篇引子文章,也是CNN的导火索。代码在你手中,把第一层隐藏层设计成和输入层一样大,即 layers_dims = [12288, 12288, 20, 7, 5, 1]。还只是64*64的小图片而已,那龟速,我和我的小破笔记本都不能忍啊。这也是为什么大神们发明CNN的原因之一吧!
AI从入门到放弃,这也只是沧海一粟,你怕了吗?
-
图像识别
+关注
关注
9文章
517浏览量
38204 -
cnn
+关注
关注
3文章
350浏览量
22115
原文标题:AI从入门到放弃2:CNN的导火索,用MLP做图像分类识别?
文章出处:【微信号:CAAI-1981,微信公众号:中国人工智能学会】欢迎添加关注!文章转载请注明出处。
发布评论请先 登录
相关推荐
评论