【PyTorch深度学习项目实战100例】—— 基于vgg16进行迁移学习服装分类 | 第12例

咕嘟_
635 阅读5分钟

前言

大家好，我是阿光。

本专栏整理了《PyTorch深度学习项目实战100例》，内包含了各种不同的深度学习项目，包含项目原理以及源码，每一个项目实例都附带有完整的代码+数据集。

正在更新中~ ✨

🚨 我的项目环境：

  • 平台：Windows10
  • 语言环境：python3.7
  • 编译器：PyCharm
  • PyTorch版本：1.8.1

💥 项目专栏：【PyTorch深度学习项目实战100例】

一、基于vgg16进行迁移学习服装分类

本项目在研究服装图像分类过程中，借助人工智能算法的优势，开展基于深度神经网络的图像分类实验。借助vgg-16模型进行迁移学习，经迭代100次后分类准确率达到95% 。

在这里插入图片描述

在这里插入图片描述

二、数据集介绍

「clothing-dataset」 — 服装数据集，超过5000张图片，20个不同类别。

在这里插入图片描述

在这里插入图片描述

「此数据集可自由用于任何目的，包括商业：例如：」

  • 创建教程或课程（免费或付费）
  • 写一本书
  • Kaggle竞赛（作为外部数据集）
  • 在任何公司培训内部模型

「数据文件images.csv包括：」

  • image - 图像的 ID（使用它从images/.jpg加载图像）
  • sender_id - 贡献图像的人的 ID
  • label - 图像的类
  • kids - 标记为“true”，说明它是孩子们的衣服

「数据集下载地址：」

github.com/wbj0110/clo…

三、vgg网络介绍

3.1 特点

  • 结构简洁。VGG由5层卷积层、3层全连接层、softmax输出层构成，层与层之间使用max-pooling分开，所有隐层的激活单元都采用ReLU函数。
  • 小卷积核和多卷积子层。VGG使用多个较小卷积核（3x3）的卷积层代替一个卷积核较大的卷积层，一方面可以减少参数，另一方面相当于进行了更多的非线性映射，可以增加网络的拟合/表达能力。VGG通过降低卷积核的大小（3x3），增加卷积子层数来达到同样的性能。
  • 小池化核。相比AlexNet的3x3的池化核，VGG全部采用2x2的池化核。
  • 通道数多。VGG网络第一层的通道数为64，后面每层都进行了翻倍，最多到512个通道，通道数的增加，使得更多的信息可以被提取出来。
  • 层数更深、特征图更宽。使用连续的小卷积核代替大的卷积核，网络的深度更深，并且对边缘进行填充，卷积的过程并不会降低图像尺寸。
  • 全连接转卷积（测试阶段）。在网络测试阶段将训练阶段的三个全连接替换为三个卷积，使得测试得到的全卷积网络因为没有全连接的限制，因而可以接收任意宽或高为的输入。

3.2 网络结构

在这里插入图片描述

在这里插入图片描述

  1. 输入224x224x3的图片，经64个3x3的卷积核作两次卷积+ReLU，卷积后的尺寸变为224x224x64
  2. 作max pooling（最大化池化），池化单元尺寸为2x2（效果为图像尺寸减半），池化后的尺寸变为112x112x64
  3. 经128个3x3的卷积核作两次卷积+ReLU，尺寸变为112x112x128
  4. 作2x2的max pooling池化，尺寸变为56x56x128
  5. 经256个3x3的卷积核作三次卷积+ReLU，尺寸变为56x56x256
  6. 作2x2的max pooling池化，尺寸变为28x28x256
  7. 经512个3x3的卷积核作三次卷积+ReLU，尺寸变为28x28x512
  8. 作2x2的max pooling池化，尺寸变为14x14x512
  9. 经512个3x3的卷积核作三次卷积+ReLU，尺寸变为14x14x512
  10. 作2x2的max pooling池化，尺寸变为7x7x512
  11. 与两层1x1x4096，一层1x1x1000进行全连接+ReLU（共三层）
  12. 通过softmax输出1000个预测结果 在这里插入图片描述

四、vgg迁移学习

首先需要调用torchvision中的models，通过models调用vgg16模型，如果将参数pretrained参数置为true，则会自动下载vgg16训练好的模型，但是网络较差很难下载完成，所以可以预先去其它网站下载好网络权重，然后将其加载到模型中。

本项目采用的是后者做法。

model_path = './checkpoints/vgg16-397923af.pth'

model = models.vgg16(pretrained=False)
model.load_state_dict(torch.load(model_path, 'cpu'))

pretrained=True即会返回一个预训练好的模型，vgg16在ImageNet上是224*224，之后只要将自己数据集中调整到符合vgg16要求即可了，但是要注意vgg16的输出，因为它是基于ImageNet训练的，所以输出会是一个1000维的向量，所以我们需要修改最后的全连接层来符合我们自己的任务需求，之后就可以使用该模型做预测了，或者进行微调和二次训练。

for parma in model.parameters():  # 设置自动梯度为false
    parma.requires_grad = False

由于我们已经加载好了已经训练好的vgg模型，所有模型中的权重不需要重新训练，只需将参数的自动梯度设为false即可，这样现有模型中的权重就会被锁定。

首先我们先输出一下vgg16的网络结构

model._modules

在这里插入图片描述

在这里插入图片描述

可以看到最终的分类器在classifier中，关键层是最终的全连接层为model.classifier[6]，所以我们需要修改它。

model.classifier[6] = nn.Linear(in_features=4096, out_features=2)

在这里插入图片描述 修改后的模型即可看到最终的全连接层输出维度为19，即对应我们服装数据的类别数量。

五、模型训练

❝

train epoch[1/10] loss:4.383: 100%|████████████████████████████████████████████████████| 16/16 [03:06<00:00, 11.66s/it] 【EPOCH: 】1 训练损失为183.66039514541626 训练精度为34.66% train epoch[2/10] loss:6.681: 100%|████████████████████████████████████████████████████| 16/16 [03:05<00:00, 11.59s/it] 【EPOCH: 】2 训练损失为128.7272868156433 训练精度为46.49% train epoch[3/10] loss:12.032: 100%|███████████████████████████████████████████████████| 16/16 [02:54<00:00, 10.93s/it] 【EPOCH: 】3 训练损失为152.00664615631104 训练精度为46.69% train epoch[4/10] loss:7.229: 100%|████████████████████████████████████████████████████| 16/16 [03:07<00:00, 11.71s/it] 【EPOCH: 】4 训练损失为145.03388357162476 训练精度为44.28% train epoch[5/10] loss:12.364: 100%|███████████████████████████████████████████████████| 16/16 [02:59<00:00, 11.25s/it] 【EPOCH: 】5 训练损失为125.43753290176392 训练精度为51.10% train epoch[6/10] loss:7.263: 100%|████████████████████████████████████████████████████| 16/16 [02:48<00:00, 10.51s/it] 【EPOCH: 】6 训练损失为131.48169898986816 训练精度为49.09% train epoch[7/10] loss:13.049: 100%|███████████████████████████████████████████████████| 16/16 [02:54<00:00, 10.91s/it] 【EPOCH: 】7 训练损失为141.09557104110718 训练精度为50.10% train epoch[8/10] loss:4.843: 100%|████████████████████████████████████████████████████| 16/16 [02:55<00:00, 10.96s/it] 【EPOCH: 】8 训练损失为133.9519591331482 训练精度为54.50% train epoch[9/10] loss:13.381: 100%|███████████████████████████████████████████████████| 16/16 [02:42<00:00, 10.18s/it] 【EPOCH: 】9 训练损失为134.1738579273224 训练精度为56.11% train epoch[10/10] loss:7.710: 100%|███████████████████████████████████████████████████| 16/16 [02:57<00:00, 11.09s/it] 【EPOCH: 】10 训练损失为116.83155393600464 训练精度为60.12%

❞

六、完整源码

【PyTorch深度学习项目实战100例】—— 基于vgg16进行迁移学习服装分类 | 第12例_咕 嘟的博客-CSDN博客_pytorchvgg16迁移学习

avatar
文章
阅读
粉丝