Tensorflow加载模型实现图像分类识别流程详解

前言

深度学习框架在市面上有很多。比如Theano、Caffe、CNTK、MXnet 、Tensorflow等。今天讲解的就是主角Tensorflow。Tensorflow的前身是Google大脑项目的一个分布式机器学习训练框架，它是一个十分基础且集成度很高的系统，它的目标就是为研究超大型规模的视觉项目，后面延申到各个领域。Tensorflow 在2015年正式开源，开源的一个月内就收获到1w多的starts，这足以说明Tensorflow的优越性以及Google的影响力。在Api方面Tensorflow为了满足绝大部分的开发者需求，这也是Google的一贯作风，集成了Java、Go、Python、C++等编程语言。

正文

图像识别是一件很有趣的事，话不多说，咱们先了解下特征提取VGG in Tensorflow。官网地址：VGG in TensorFlow Davi Frossard。

VGG 是牛津大学的 K. Simonyan 和 A. Zisserman 在论文“Very Deep Convolutional Networks for Large-Scale Image Recognition”中提出的卷积神经网络模型。该模型在 ImageNet 中实现了 92.7% 的 top-5 测试准确率，这是一个包含 1000 个类别的超过 1400 万张图像的数据集。 在这篇简短的文章中，我们提供了 VGG16 的实现以及从原始 Caffe 模型转换为 TensorFlow 的权重。这句话是VGGNet官方的介绍，直接从它提供的数字可以看出来，它的识别率是十分高的，是不是很激动，动起手来吧。

开发步骤分4步，如下所示：

a) 依赖加载

import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
import os
import scipy.io
import scipy.misc
from imagenet_classes import class_names

b)定义卷积、池化等函数

def _conv_layer(input,weight,bias):
  conv = tf.nn.conv2d(input,weight,strides=[1,1,1,1],padding="SAME")
  return tf.nn.bias_add(conv,bias)
def _pool_layer(input):
  return tf.nn.max_pool(input,ksize=[1,2,2,1],strides=[1,2,2,1],padding="SAME")
def preprocess(image,mean_pixel):
  '''简单预处理,全部图片减去平均值'''
  return image-mean_pixel
def unprocess(image,mean_pixel):
  return image+mean_pixel

c）图像的读取以及保存

def imread(path):
  return scipy.misc.imread(path)
def imsave(image,path):
  img = np.clip(image,0,255).astype(np.int8)
  scipy.misc.imsave(path,image)

d) 定义网络结构，这里使用的是VGG19

def net(data_path,input_image,sess=None):
  """
  读取VGG模型参数,搭建VGG网络
  :param data_path: VGG模型文件位置
  :param input_image: 输入测试图像
  :return:
  """
  layers = (
      'conv1_1', 'conv1_2', 'pool1',
      'conv2_1', 'conv2_2', 'pool2',
      'conv3_1', 'conv3_2', 'conv3_3','conv3_4', 'pool3',
      'conv4_1', 'conv4_2', 'conv4_3','conv4_4', 'pool4',
      'conv5_1', 'conv5_2', 'conv5_3','conv5_4', 'pool5',
        'fc1'  ,   'fc2'  ,   'fc3'  ,
      'softmax'
  )
  data = scipy.io.loadmat(data_path)
  mean = data["normalization"][0][0][0][0][0]
  input_image = np.array([preprocess(input_image, mean)]).astype(np.float32)#去除平均值
  net = {}
  current = input_image
  net["src_image"] = tf.constant(current)  # 存储数据
  count = 0 #计数存储
  for i in range(43):
      if str(data['layers'][0][i][0][0][0][0])[:4] == ("relu"):
          continue
      if str(data['layers'][0][i][0][0][0][0])[:4] == ("pool"):
          current = _pool_layer(current)
      elif str(data['layers'][0][i][0][0][0][0]) == ("softmax"):
          current = tf.nn.softmax(current)
      elif i == (37):
          shape = int(np.prod(current.get_shape()[1:]))
          current = tf.reshape(current, [-1, shape])
          kernels, bias = data['layers'][0][i][0][0][0][0]
          kernels = np.reshape(kernels,[-1,4096])
          bias = bias.reshape(-1)
          current = tf.nn.relu(tf.add(tf.matmul(current,kernels),bias))
      elif i == (39):
          kernels, bias = data['layers'][0][i][0][0][0][0]
          kernels = np.reshape(kernels,[4096,4096])
          bias = bias.reshape(-1)
          current = tf.nn.relu(tf.add(tf.matmul(current,kernels),bias))
      elif i == 41:
          kernels, bias = data['layers'][0][i][0][0][0][0]
          kernels = np.reshape(kernels, [4096, 1000])
          bias = bias.reshape(-1)
          current = tf.add(tf.matmul(current, kernels), bias)
      else:
          kernels,bias = data['layers'][0][i][0][0][0][0]
          #注意VGG存储方式为[,]
          #kernels = np.transpose(kernels,[1,0,2,3])
          bias = bias.reshape(-1)#降低维度
          current = tf.nn.relu(_conv_layer(current,kernels,bias))
      net[layers[count]] = current #存储数据
      count += 1
  return net, mean

e）加载模型进行识别

if __name__ == '__main__':
  VGG_PATH = "./one/imagenet-vgg-verydeep-19.mat"
  IMG_PATH = './one/3.jpg'
  input_image =imread(IMG_PATH)
  shape = (1, input_image.shape[0], input_image.shape[1], input_image.shape[2])
  with tf.Session() as sess:
      image = tf.placeholder('float', shape=shape)
      nets, mean_pixel, all_layers= net(VGG_PATH, image)
      input_image_pre=np.array([preprocess(input_image,mean_pixel)])
      layers = all_layers
      for i , layer in enumerate(layers):
          print("[%d/%d] %s" % (i+1,len(layers),layers))
          features = nets[layer].eval(feed_dict={image:input_image_pre})
          print("Type of 'feature' is ",type(features))
          print("Shape of 'features' is  %s" % (features.shape,))
          if 1:
              plt.figure(i+1,figsize=(10,5))
              plt.matshow(features[0,:,:,0],cmap=plt.cm.gray,fignum=i+1)
              plt.title(""+layer)
              plt.colorbar()
              plt.show()

VGG19网络介绍

VGG19 的宏观架构如图所示。我们在 TensorFlow 中的文件 vgg19.py 中对其进行编码。请注意，我们包含一个预处理层，它采用像素值在 0-255 范围内的 RGB 图像并减去平均图像值（在整个 ImageNet 训练集上计算）。

总结

Tensorflow是一款十分不错的深度学习框架，它在工业上得到的十分的认可并进行了实践。因此，如果你还在犹豫生产落地使用框架，不要犹豫啦。VGGNet家族是一个十分优秀的网络结构，它在处理特征提取过程中，也是得到了很多公司和研究学者的认可，比较著名的有VGG16、VGG19等。

关于Tensorflow加载模型实现图像分类识别流程详解的文章就介绍至此，更多相关Tensorflow图像分类识别内容请搜索编程宝库以前的文章，希望以后支持编程宝库！

 什么是损失函数损失函数是一种衡量模型与数据吻合程度的算法。损失函数测量实际测量值和预测值之间差距的一种方式。损失函数的值越高预测就越错误，损失函数值越低则预测越接近真实值。对每个单 ...