本文介绍如何使用keras作图片分类（2分类与多分类，其实就一个参数的区别。。。呵呵）
先来看看解决的问题：从一堆图片中分出是不是书本，也就是最终给图片标签上：“书本“、“非书本”，简单吧。
先来看看网络模型，用到了卷积和全连接层，最后套上SOFTMAX算出各自概率，输出ONE-HOT码，主要部件就是这些，下面的nb_classes就是用来控制分类数的，本文是2分类：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
from keras.models import Sequential
from keras.layers.core import Dense, Dropout, Activation, Flatten
from keras.layers.convolutional import Convolution2D, MaxPooling2D
from keras.optimizers import SGD
def Net_model(nb_classes, lr=0.001,decay=1e-6,momentum=0.9):
model = Sequential()
model.add(Convolution2D(filters=10, kernel_size=(5,5),
padding="valid",
input_shape=(200, 200, 3)))
model.add(Activation("tanh"))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Convolution2D(filters=20, kernel_size=(10,10)))
model.add(Activation("tanh"))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(1000))
model.add(Activation("tanh"))
model.add(Dropout(0.5))
model.add(Dense(nb_classes))
model.add(Activation("softmax"))
sgd = SGD(lr=lr, decay=decay, momentum=momentum, nesterov=True)
pile(loss="categorical_crossentropy", optimizer=sgd)
return model
上面的input_shape=(200, 200, 3)代表图片像素大小为宽高为200，200，并且包含RGB 3通道的图片，不是灰度图片（只要1个通道）
也就是说送入此网络的图片宽高必须200*200*3；如果不是这个shape就需要resize到这个shape
下面来看看训练程序，首先肯定是要收集些照片，书本、非书本的照片，我是分别放在了0文件夹和1文件夹下了，再带个验证用途的文件夹validate：
训练程序涉及到几个地方：照片文件的读取、模型加载训练与保存、可视化训练过程中的损失函数value
照片文件的读取
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
import cv2
import os
import numpy as np
import keras
def loadImages():
imageList=[]
labelList=[]
rootdir="d:\\books\\0"
list =os.listdir(rootdir)
for item in list:
path=os.path.join(rootdir,item)
if(os.path.isfile(path)):
f=cv2.imread(path)
f=cv2.resize(f, (200, 200))#resize到网络input的shape
imageList.append(f)
labelList.append(0)#类别0
rootdir="d:\\books\\1"
list =os.listdir(rootdir)
for item in list:
path=os.path.join(rootdir,item)
if(os.path.isfile(path)):
f=cv2.imread(path)
f=cv2.resize(f, (200, 200))#resize到网络input的shape
imageList.append(f)
labelList.append(1)#类别1
return np.asarray(imageList), keras.utils.to_categorical(labelList, 2)
关于（200，200）这个shape怎么得来的，只是几月前开始玩opencv时随便写了个数值，后来想利用那些图片，就适应到这个shape了
keras.utils.to_categorical函数类似numpy.onehot、tf.one_hot这些，只是one hot的keras封装
模型加载训练与保存
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
nb_classes = 2
nb_epoch = 30
nb_step = 6
batch_size = 3
x,y=loadImages()
from keras.preprocessing.image import ImageDataGenerator
dataGenerator=ImageDataGenerator()
dataGenerator.fit(x)
data_generator=dataGenerator.flow(x, y, batch_size, True)#generator函数，用来生成批处理数据（从loadImages中）
model=_model(nb_classes=nb_classes, lr=0.0001) #加载网络模型
history=model.fit_generator(data_generator, epochs=nb_epoch, steps_per_epoch=nb_step, shuffle=True)#训练网络，并且返回每次epoch的损失value
model.save_weights("D:\\Documents\\Visual Studio \\Projects\\ConsoleApp9\\PythonApplication1\\书本识别\\trained_model_weights.h5")#保存权重
print("DONE, model saved in path-->D:\\Documents\\Visual Studio \\Projects\\ConsoleApp9\\PythonApplication1\\书本识别\\trained_model_weights.h5")
ImageDataGenerator构造函数有很多参数，主要用来提升数据质量，比如要不要标准化数字
lr=0.001这个参数要看经验，大了会导致不收敛，训练的时候经常由于这个参数的问题导致重复训练，这在没有GPU的情况下很是痛苦。。痛苦。。。痛苦。。。
model.save_weights是保存权重，但是不保存网络模型 ，对应的是model.load_weights方法
model.save是保存网络+权重，只是。。。。此例中用save_weights保存的h5文件是125M，但用save方法保存后，h5文件就增大为280M了。。。
上面2个save方法都能finetune，只是灵活度不一样。
可视化训练过程中的损失函数value
1
2
3
4
import matplotlib.pyplot as plt
plt.plot(history.history["loss"])
plt.show()
貌似没啥好补充的。。。
AND。。。。看看预测部分吧，这部分加载图片、加载模型，似乎都和训练部分雷同：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
def loadImages():
imageList=[]
rootdir="d:\\books\\validate"
list =os.listdir(rootdir)
for item in list:
path=os.path.join(rootdir,item)
if(os.path.isfile(path)):
f=cv2.imread(path)
f=cv2.resize(f, (200, 200))
imageList.append(f)
return np.asarray(imageList)
x=loadImages()
x=np.asarray(x)
model=_model(nb_classes=2, lr=0.0001)
model.load_weights("D:\\Documents\\Visual Studio \\Projects\\ConsoleApp9\\PythonApplication1\\书本识别\\trained_model_weights.h5")
print(model.predict(x))
print(model.predict_classes(x))
y=convert2label(model.predict_classes(x))
print(y)
predict的返回其实是softmax层返回的概率数值，是<=1的float
predict_classes返回的是经过one-hot处理后的数值，此时只有0、1两种数值（最大的value会被返回称为1，其他都为0）
convert2label：
1
2
3
4
5
6
7
8
def convert2label(vector):
string_array=[]
for v in vector:
if v==1:
string_array.append("BOOK")
else:
string_array.append("NOT BOOK")
return string_array
这个函数是用来把0、1转换成文本的，小插曲：
本来这里是中文的“书本”、“非书本”，后来和女儿一起调试时发现都显示成了问号，应该是中文字符问题，就改成了英文显示，和女儿一起写代码是种乐趣啊！
本来只是显示文本，感觉太无聊了，因此加上了opencv显示图片+分类文本的代码段：
1
2
3
4
5
for i in range(len(x)):
cv2.putText(x[i], y[i], (50,50), cv2.FONT_HERSHEY_SIMPLEX, 1, 255, 2)
cv2.imshow("image"+str(i), x[i])
cv2.waitKey(-1)
OK， 继续学习，继续科学信仰。
