使用VGG-16实现ImageNet数据集分类

本文已参与「新人创作礼」活动，一起开启掘金创作之路。

本篇博客主要讲解一下VGG16，之所以称之为16,指的是13个卷积层+3个全连接层，网络的结构如下所示。

在图片中首先看到的是输入，为224x224x3的图像，相比于之前的CIFAR10的32x32大了可不止一半点，这也是为啥imagenet数据集达到了130多个G的原因。图中黑色框表示的是卷积层，有13个，红色表示的是池化层有5个，全连接层有三个，softmax一个，这个就是整个的网络结构，整体没有太难。代码让如下所示

# VGG16的网络结构
def VGG_16_struct():
    model = models.Sequential()
    # 将输入的图片在上下左右各填充一行0，为的是保证卷积后的尺寸保持原来输入大小
    model.add(layers.ZeroPadding2D((1, 1), input_shape=(224, 224, 3)))
    # 卷积
    model.add(layers.Convolution2D(64, (3, 3), activation='relu'))
    # 填充
    model.add(layers.ZeroPadding2D((1, 1)))
    # 卷积
    model.add(layers.Convolution2D(64, (3, 3), activation='relu'))
    # 最大池化,步长为2，完成后输入图像大小变为(224-2+2*0)/2+1=112
    model.add(layers.MaxPooling2D((2, 2), strides=(2, 2)))

    # 填充
    model.add(layers.ZeroPadding2D((1, 1)))
    # 卷积
    model.add(layers.Convolution2D(128, (3, 3), activation='relu'))
    # 填充
    model.add(layers.ZeroPadding2D((1, 1)))
    # 卷积
    model.add(layers.Convolution2D(128, (3, 3), activation='relu'))
    # 最大池化,步长为2，完成后输入图像大小变为(112-2+2*0)/2+1=56
    model.add(layers.MaxPooling2D((2, 2), strides=(2, 2)))

    # 填充
    model.add(layers.ZeroPadding2D((1, 1)))
    # 卷积
    model.add(layers.Convolution2D(256, (3, 3), activation='relu'))
    # 填充
    model.add(layers.ZeroPadding2D((1, 1)))
    # 卷积
    model.add(layers.Convolution2D(256, (3, 3), activation='relu'))
    # 填充
    model.add(layers.ZeroPadding2D((1, 1)))
    # 卷积
    model.add(layers.Convolution2D(256, (3, 3), activation='relu'))
    # 最大池化,步长为2，完成后输入图像大小变为(56-2+2*0)/2+1=28
    model.add(layers.MaxPooling2D((2, 2), strides=(2, 2)))

    # 填充
    model.add(layers.ZeroPadding2D((1, 1)))
    # 卷积
    model.add(layers.Convolution2D(512, (3, 3), activation='relu'))
    # 填充
    model.add(layers.ZeroPadding2D((1, 1)))
    # 卷积
    model.add(layers.Convolution2D(512, (3, 3), activation='relu'))
    # 填充
    model.add(layers.ZeroPadding2D((1, 1)))
    # 卷积
    model.add(layers.Convolution2D(512, (3, 3), activation='relu'))
    # 最大池化,步长为2，完成后输入图像大小变为(28-2+2*0)/2+1=14
    model.add(layers.MaxPooling2D((2, 2), strides=(2, 2)))

    # 填充
    model.add(layers.ZeroPadding2D((1, 1)))
    # 卷积
    model.add(layers.Convolution2D(512, (3, 3), activation='relu'))
    # 填充
    model.add(layers.ZeroPadding2D((1, 1)))
    # 卷积
    model.add(layers.Convolution2D(512, (3, 3), activation='relu'))
    # 填充
    model.add(layers.ZeroPadding2D((1, 1)))
    # 卷积
    model.add(layers.Convolution2D(512, (3, 3), activation='relu'))
    # 最大池化,步长为2，完成后输入图像大小变为(14-2+2*0)/2+1=7
    model.add(layers.MaxPooling2D((2, 2), strides=(2, 2)))

    model.add(layers.Flatten())
    model.add(layers.Dense(4096, activation='relu'))
    model.add(layers.Dropout(0.5))
    model.add(layers.Dense(4096, activation='relu'))
    model.add(layers.Dropout(0.5))
    # imagenet数据集有1000类
    # 类别见网址https://gist.github.com/yrevar/942d3a0ac09ec9e5eb3a
    model.add(layers.Dense(1000, activation='softmax'))
    
    return model

按照之前的写作风格，此时应该给出完整的代码，不过呢，由于电脑的原因，imagenet数据集太大，训练一次太久了。。。。所以我只把网络结构放上去，然后用tensorflow现成的训练结果进行演示，代码如下

# 使用VGG-16实现CIFAR10数据集的训练和预测
# 导入依赖包
import tensorflow as tf
from tensorflow.keras import datasets, optimizers, layers, models
from tensorflow.keras.applications.vgg16 import VGG16
import numpy as np
import cv2
import matplotlib.pyplot as plt

# 导入数据集
model = VGG16(weights='imagenet', include_top=True)
model.compile(optimizer='sgd', loss='categorical_crossentropy')

img = cv2.resize(cv2.imread("./cat2.jpg"), (224, 224))
img = np.expand_dims(img, axis=0)

rest = model.predict(img)
index = np.argmax(rest)
print("列别为:", index)

plt.plot(rest.ravel())
plt.show()

这样即使用了VGG16，又使用了Imagenet数据集上的训练模型，识别结果如下所示 我测试的图片放一张

识别结果如下所示

对应类别为283，对照网址中(gist.github.com/yrevar/942d…)

给出的类别显示为tiger cat，可能差不多吧，因为我也分不清楚这是什么种类的猫。