基于CNN卷积神经网络实现的猫狗识别详细教程

# 基于CNN实现的猫狗识别 # 1 概要 对于猫狗识别这个二分类问题，我选择用 CNN 来解决。 本文将写出我在使用不同 CNN 模型得到的数据和结果。 我的最优成果是：抽取所给图片的后 20% 来作为测试集（猫和狗分别 10%），其余为训练集，在不做什么厉害的数据预处理的情况下，测试集有 80% 左右的正确率。 # 2 各种模型 由于这几天我调参训练的模型实在太多，而且没有很好的记录，所以在这里只说一下我调这些模型的一些参数，就不具体展开每个模型了： **调节的参数有**： - conv 层数。最终我选择了 3 个 conv 层 - conv 层中的 filter 大小和步长还有层数。最终我选择了 3 × 3，步长为 1，且用 0 补边界，每个 conv 层的特征层分别为 32, 32, 64 - max pooling 的大小和步长。最终我选择了 2 × 2，步长为 2 - fc 层个数和大小。最终我选择了 1 个 fc 层，且大小为 128 - 图像的处理。一开始我是直接拉伸、压缩到相同大小，但这样感觉会损失一些结构信息，所以我选择同比例放大缩小然后用 0 填充 - 初始学习率。最终选择的初始学习率为 1e-4 - batch 的大小。最终使用的大小为 32 **基本相同的参数有**： - 都使用 ReLU 作为激活函数 - 在 fc 层后 dropout（训练时概率为 0.5） - 都使用 softmax 的交叉熵来作为 loss - 都使用 tf 中的 AdamOptimizer - 图片大小统一缩放成 200 × 200，且只使用给定的数据集，且未做过数据增强 # 3 最终模型 在自己调参陷入一脸懵逼的情形下，我最终还是用了别人的模型 [7]（其实之前自己调出来的和这个也差不多，但我已经分不清是哪份代码了...） 200 × 200 的 RGB 图片 → conv1-ReLU（3 × 3, 32 个特征图）→ max-pooling（2 × 2, 步长 2）→ conv2-ReLU（3 × 3, 32 个特征图）→ max-pooling（2 × 2, 步长 2）→ conv3-ReLU（3 × 3, 64个特征图）→ dense1（128 个神经元）→ softmax（2 个输出） 相关图像（Accuracy、Loss、ROC）如下（蓝线为测试集、橙线为训练集，不包括 ROC 图）：   可以看出，大概在第 1 万批次后，测试集的 loss 开始波动变大，训练集的准确率逼近 1 了，说明已经开始过拟合了。 我们将第一个卷积层得到的 32 个特征图转换成灰度图（如图4）： 解释？讲道理我无法解释这种特征图... 感觉好像是加强了线条。   # 4 十倍交叉验证 一个模型都要花 5 个小时来训练了.... 十个.... 我的代码是很容易修改参数（只需要修改几个数字）来得到这十个模型的... 但由于实在没有时间来训出这十个模型... 因此这一步我还是放弃吧... # 5 优化 在搜索了相关资料和询问了一些人后，我认为可以这样做来提高正确率： - 使用更复杂的模型，比如 AlexNet、VGG 等，但硬件开销很大 - 数据增强，将一张图片做一些变换（剪裁、旋转、加入噪声等）得到更多图片。一些现有的库有 imgaug 等 - 换战略核显卡？ # 6 最后 ## 6.1 运行环境 - Python 3 - pip 安装 tensorflow、tensorflow-gpu、pillow、scipy ## 6.2 使用方法 命令行里输入 python judger.py [picture_names] 可判断一张或多张图片（会输出概率和判断结果）。若要简化或使用输出（即对每张图片只输出 0、1 代表猫、狗或代表猫、狗的概率），请使用代码中 judge 函数的返回值。