站点图标 AI技术聚合

OpenCV-Python实战（18）——深度学习简介与入门示例

心中带点小风骚
OpenCV-Python实战（18）——深度学习简介与入门示例

0. 前言

深度学习已经成为机器学习中最受欢迎和发展最快的领域。自 2012 年深度学习性能超越机器学习等传统方法以来，深度学习架构开始快速应用于包括计算机视觉在内的众多领域。深度学习的常见应用包括语音识别、图像识别、自然语言处理、推荐系统等等。大多数现代深度学习架构都基于人工神经网络，深度学习中的“深”是指架构的层数。在本文中，首先介绍传统机器学习方法与深度学习间的差异，然后将介绍图像分类和对象检测中常见的深度学习架构，最后，将介绍深度学习Python库Keras，并通过实战来推开深度学习的大门。

1. 计算机视觉中的深度学习简介

深度学习推动了计算机视觉领域的深刻变革。我们首先解释深度学习中的关键概念，以便更好地了解深度学习的广阔世界。

1.1 深度学习的特点

在许多计算机视觉任务中，深度学习的性能优于传统机器学习方法，但在选择完成特定计算任务的方法时，应明确深度学习与传统机器学习方法的区别，以选择合适的方法。方法：

机器学习和深度学习的主要区别可以用下图概括：


从上图可以看出，机器学习和深度学习的关键选择点如下：

1.2 深度学习大爆发

深度学习的概念可以追溯至 1986 年，但直到 2012 年深度学习性能超越传统机器学习时，才出现了深度学习的大爆发。ImageNet是一个大型视觉数据库，包含超过1400万张带有标签的高分辨率图像，包含20,000多个类别。因此，2012 年AlexNet架构在解决ImageNet大规模视觉识别挑战赛 (ILSVRC) 上的突破性进展通常被认为是深度学习大爆发的开始。

2. 用于图像分类的深度学习简介

继AlexNet在ILSVRC比赛中取得成功之后，更多深度学习架构开始被应用于ImageNet挑战赛中，下图显示了在ImageNet挑战赛中的最相关深度学习模型的准确率和模型的参数量：


接下来介绍深度学习模型架构，了解其发展历程及其关键点：

3. 用于目标检测的深度学习简介

目标检测是深度学习中的一个热门话题，其用于识别和定位图像中的多个对象。目标检测算法通常使用以下三个数据集进行基准测试：1)PASCAL Visual Object(PASCAL VOC)数据集，包含 20 个类别的 10,000 张图像，数据集中包含目标的边界框；2)ImageNet在 2013 年发布了一个目标检测数据集，它由大约 500,000 张图像和 200 个类别组成；3)Common Objects in Context(COCO)是一个大规模的对象检测、分割数据集，其包括 328,000 张图像以及 250 万个标记目标。为了评估目标检测算法，通常使用平均精度均值 (mean Average Precision, mAP)，用于目标检测深度学习算法：

4. 深度学习框架 keras 介绍与使用

在本节中，我们将通过两个简单示例来一窥深度学习的神秘面纱。在第一个示例中，构造输入数据来解决线性回归问题；在第二个示例中，使用 MNIST 数据集对手写数字进行分类。

4.1 keras 库简介与安装

Keras是用Python编写的开源高级神经网络API，它能够在TensorFlow、或Theano之上运行，其最大的特点是能够实现快速实验，因此本文利用它来进行深度学习实战。
要安装Keras，首先进行安装：

pip install keras

4.2 使用 keras 实现线性回归模型

首先创建用于训练/测试算法的数据，如下所示：

# 产生一百个随机数据点作为训练数据
Number = 100
x = np.linspace(0, Number, Number)
y = 3 * np.linspace(0, Number, Number) + np.random.uniform(-12, 12, Number)

接下来创建模型：

def create_model():
    # 创建 Sequential 模型
    model = Sequential()
    # 使用具有线性激活函数的全连接层
    model.add(Dense(input_dim=1, units=1, activation='linear', kernel_initializer='uniform'))
    # 使用均方差(mse)作为损失函数，Adam作为优化器编译模型 
    model.compile(loss='mse', optimizer=Adam(lr=0.1))
    return model

使用Keras时，最简单的模型类型是Sequential模型，可以将其视为网络层的线性堆栈，对于更复杂的架构，可以使用Keras函数式API，以创建任意网络架构。
作为简单示例，此处使用Sequential模型，然后利用model.add()方法堆叠层来构建模型。在此示例中，使用了具有线性激活函数的单个全连接层。定义模型之后，需要使用损失函数与优化器编译模型，示例中使用均方差 (mean squared error, MSE) 作为损失函数，使用Adam作为优化器并设置学习率为 0.1。
编译模型完成后，就可以使用model.fit()方法使用训练数据的训练模型：

linear_reg_model.fit(x, y, epochs=100, validation_split=0.2, verbose=2)

训练后，就可以获得可学习参数w和b，这些值将用于接下来的：

def get_weights(model):
    w = model.get_weights()[0][0][0]
    b = model.get_weights()[1][0]
    return w, b
w_final, b_final = get_weights(linear_reg_model)

接下来，我们可以通过以下方式进行预测：

predictions = w_final * x + b_final

您还可以保存模型：

linear_reg_model.save_weights("my_model.h5")

最后，可以将训练数据集和训练后的线性模型可视化：

plt.subplot(1, 2, 1)
plt.plot(x, y, 'ro', label='Original data')
plt.xlabel('x')
plt.ylabel('y')
plt.title("Training Data")

plt.subplot(1, 2, 2)
plt.plot(x, y, 'ro', label='Original data')
plt.plot(x, predictions, label='Fitted line')
plt.xlabel('x')
plt.ylabel('y')
plt.title('Linear Regression Result', fontsize=10)
plt.legend()
plt.show()

如上图所示，可以看到左图为训练数据，右图为线性回归模型对应的拟合线。
如果我们已经有了训练好的模型权重文件，我们可以直接加载预训练好的模型进行预测：

# 加载模型
linear_reg_model.load_weights('my_model.h5')
# 构建测试数据集
M = 3
new_x = np.linspace(Number + 1, Number + 10, M)
# 使用模型进行预测
new_predictions = linear_reg_model.predict(new_x)

运行程序的结果如下图所示：

4.3 使用 keras 进行手写数字识别

接下来，我们使用 Keras 识别手写数字，与第一个示例相同，首先需要构建模型：

def create_model():
    model = Sequential()
    model.add(Dense(units=128, activation='relu', input_shape=(784,)))
    model.add(Dense(units=128, activation='relu'))
    model.add(Dense(units=64, activation='relu'))
    model.add(Dense(units=10, activation='softmax'))
    # 使用分类交叉熵(categorical_crossentropy)作为损失函数和随机梯度下降作为优化器编译模型
    model.compile(optimizer=SGD(0.001), loss='categorical_crossentropy', metrics=['acc'])

    return model

使用categorical_crossentropy损失函数编译模型，该损失函数非常适合比较两个概率分布，使用随机梯度下降 (stochastic gradient descent, SGD) 作为优化器。
接下来加载MNIST数据集：

(train_x, train_y), (test_x, test_y) = mnist.load_data()

此外，由于我们使用的是全连接层，因此加载的数据必须重新整形以输入到网络：

train_x = train_x.reshape(60000, 784)
test_x = test_x.reshape(10000, 784)
train_y = keras.utils.to_categorical(train_y, 10)
test_y = keras.utils.to_categorical(test_y, 10)

创建模型后，您可以训练模型、保存创建的模型或评估模型在测试数据集上的性能：

# 模型创建
model = create_model()
# 模型训练
model.fit(train_x, train_y, batch_size=32, epochs=10, verbose=1)
# 模型保存
model.save("mnist-model.h5")
# 评估模型在测试数据集上的表现
accuracy = model.evaluate(x=test_x, y=test_y, batch_size=32)
# 打印准确率
print("Accuracy: ", accuracy[1])

接下来，训练好的模型可用于预测图像中的手写数字：

def load_digit(image_name):
    gray = cv2.imread(image_name, cv2.IMREAD_GRAYSCALE)
    gray = cv2.resize(gray, (28, 28))
    gray = gray.reshape((1, 784))
    return gray
# 加载图片
test_digit_0 = load_digit("digit_0.png")
test_digit_1 = load_digit("digit_1.png")
test_digit_2 = load_digit("digit_2.png")
test_digit_3 = load_digit("digit_3.png")
imgs = np.array([test_digit_0, test_digit_1, test_digit_2, test_digit_3])
imgs = imgs.reshape(4, 784)
# 预测加载图像
prediction_class = model.predict_classes(imgs)
# 打印预测结果
print("Class: ", prediction_class)

加载的四张图片如下所示：


使用经过训练的模型来预测这些图像会产生以下输出：

Class: [0 1 2 3]

概括

在本节中，使用流行的库深度学习库Keras对深度学习进行了介绍。我们首先概述了用于图像分类和目标检测的深度学习架构。然后，我们介绍了Keras，并通过示例训练了简单线性回归模型，介绍了如何利用Keras训练全连接网络识别手写数字。

系列链接

OpenCV-Python实战（1）——OpenCV简介与图像处理基础
OpenCV-Python实战（2）——图像与视频文件的处理
OpenCV-Python实战（3）——OpenCV中绘制图形与文本
OpenCV-Python实战（4）——OpenCV常见图像处理技术
OpenCV-Python实战（5）——OpenCV图像运算
OpenCV-Python实战（6）——OpenCV中的色彩空间和色彩映射
OpenCV-Python实战（7）——直方图详解
OpenCV-Python实战（8）——直方图均衡化
OpenCV-Python实战（9）——OpenCV用于图像分割的阈值技术
OpenCV-Python实战（10）——OpenCV轮廓检测
OpenCV-Python实战（11）——OpenCV轮廓检测相关应用
OpenCV-Python实战（12）——一文详解AR增强现实
OpenCV-Python实战（13）——OpenCV与机器学习的碰撞
OpenCV-Python实战（14）——人脸检测详解
OpenCV-Python实战（15）——面部特征点检测详解
OpenCV-Python实战（16）——人脸追踪详解
OpenCV-Python实战（17）——人脸识别详解

版权声明：本文为博主盼小辉丶原创文章，版权归属原作者，如果侵权，请联系我们删除！

原文链接：https://blog.csdn.net/LOVEmy134611/article/details/120070364

退出移动版