深度学习小工程练习之tensorflow垃圾分类详解
- 作者: 请叫我李二哈丶
- 来源: 51数据库
- 2021-07-30
介绍
这是一个基于深度学习的垃圾分类小工程,用深度残差网络构建
软件架构
- 使用深度残差网络resnet50作为基石,在后续添加需要的层以适应不同的分类任务
- 模型的训练需要用生成器将数据集循环写入内存,同时图像增强以泛化模型
- 使用不包含网络输出部分的resnet50权重文件进行迁移学习,只训练我们在5个stage后增加的层
安装教程
- 需要的第三方库主要有tensorflow1.x,keras,opencv,pillow,scikit-learn,numpy
- 安装方式很简单,打开terminal,例如:pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple
- 数据集与权重文件比较大,所以没有上传
- 如果环境配置方面有问题或者需要数据集与模型权重文件,可以在评论区说明您的问题,我将远程帮助您
使用说明
- 文件夹theory记录了我在本次深度学习中收获的笔记,与模型训练的控制台打印信息
- 迁移学习需要的初始权重与模型定义文件resnet50.py放在model
- 下训练运行trainnet.py,训练结束会创建models文件夹,并将结果权重garclass.h5写入该文件夹
- datagen文件夹下的genit.py用于进行图像预处理以及数据生成器接口
- 使用训练好的模型进行垃圾分类,运行demo.py
结果演示
cans易拉罐
代码解释
在实际的模型中,我们只使用了resnet50的5个stage,后面的输出部分需要我们自己定制,网络的结构图如下:
stage5后我们的定制网络如下:
网络的训练是迁移学习过程,使用已有的初始resnet50权重(5个stage已经训练过,卷积层已经能够提取特征),我们只训练后面的全连接层部分,4个epoch后再对较后面的层进行训练微调一下,获得更高准确率,训练过程如下:
训练结果如下:
"""
loss: 0.7949 - acc: 0.9494 - val_loss: 0.9900 - val_acc: 0.8797
训练用了9小时左右
"""
如果使用更好的显卡,可以更快完成训练
最后
希望大家可以体验到深度学习带来的收获,能和大家学习很开心,更多关于深度学习的资料请关注其它相关文章!
推荐阅读