前言
计算机视觉系列之学习笔记主要是本人进行学习人工智能（计算机视觉方向）的代码整理。本系列所有代码是用python3编写，在平台Anaconda中运行实现，在使用代码时，默认你已经安装相关的python库，这方面不做多余的说明。本系列所涉及的所有代码和资料可在我的github上下载到，gitbub地址：https://github.com/mcyJacky/DeepLearning-CV，如有问题，欢迎指出。
一、inception-v3模型下载
inception-v3模型是ImageNet中产生的一个经典的网络模型。inception模型包括v1/v2/v3/v4，本篇主要介绍的是v3，我们将使用现成的模型结构对图像进行识别。它的模型结构如下图1.1所示：
inception-v3模型下载地址是：http://download.tensorflow.org/models/image/imagenet/inception-2015-12-05.tgz。下载之后是一个.tgz的压缩文件，解压后它的文件类型包括如图1.2所示：
如图1.2所示，红色箭头表示的inception-v3模型训练好后保存的pb文件，蓝色箭头表示的是模型的标签文件。标签由两个文件组成(imagenet_2012_challenge_label_map_proto.pbtxt和imagenet_synset_to_human_label_map.txt)，它们之间有一一映射关系，如图1.3所示，图左边的目标类型索引如449，对应着图右边的标签tench：
二、使用现有的inception-v3模型进行图像识别
下面就使用现有的模型对一些图片进行识别，具体实现如下：
import tensorflow as tf
import numpy as np
import os
from PIL import Image
import matplotlib.pyplot as plt
# 创建节点类, 进行标签文件的映射
class NodeLookup(object):
def __init__(self):
label_lookup_path = 'inception_model/imagenet_2012_challenge_label_map_proto.pbtxt'
uid_lookup_path = 'inception_model/imagenet_synset_to_human_label_map.txt'
self.node_lookup = self.load(label_lookup_path, uid_lookup_path)
def load(self, label_lookup_path, uid_lookup_path):
# 载入分类名称文件
proto_as_ascii_lines = tf.gfile.GFile(uid_lookup_path, 'r').readlines()
uid_to_human = {} # 初始化字典结构
for line in proto_as_ascii_lines:
# 去除换行符
line = line.strip('\n')
# 按'\t'进行分割
parse_items = line.split('\t')
# 分类编号：类似于n00004475
uid = parse_items[0]
# 标签
human_string = parse_items[1]
# 加入字典结构
uid_to_human[uid] = human_string
# 载入分类编号文件
proto_as_ascii = tf.gfile.GFile(label_lookup_path, 'r').readlines()
nodeid_to_uid = {} # 初始化字典结构
for line in proto_as_ascii:
# 去除换行符
line = line.strip('\n')
# 寻找target_class
if line.startswith(' target_class:'):
target_class = int(line.split(': ')[1])
# 寻找target_class_string
if line.startswith(' target_class_string:'):
target_class_string = line.split(': ')[1]
# 加入字典结构
nodeid_to_uid[target_class] = target_class_string[1:-1]
# 进行字典结构关联
nodeid_to_name = {}
for key, val in nodeid_to_uid.items():
# 获取分类名称
name = uid_to_human[val]
# 建立分类编号1-1000到分类名称的映射关系
nodeid_to_name[key] = name
return nodeid_to_name
# #根据传入分类编号1-1000返回分类名称
def id_to_string(self, nodeid):
if nodeid not in self.node_lookup:
return ''
return self.node_lookup[nodeid]
# 创建一个图来存放google训练好后的模型
with tf.gfile.FastGFile('inception_model/classify_image_graph_def.pb', 'rb') as f:
graph_def = tf.GraphDef()
graph_def.ParseFromString(f.read())
tf.import_graph_def(graph_def, name='')
# 创建会话
with tf.Session() as sess:
# inception-v3最后一层的tensor
softmax_tensor = sess.graph.get_tensor_by_name('softmax:0')
# 遍历整个待测试目录
for root, dirs, files in os.walk("images/", topdown=False):
# 遍历该目录下所有图片
for file in files:
# 载入图片
image_data = tf.gfile.GFile(os.path.join(root, file), 'rb').read()
predictions = sess.run(softmax_tensor, {'DecodeJpeg/contents:0':image_data})
print('zz:', predictions.shape) # (1, 1008)
predictions = np.squeeze(predictions) # 把结果转化为1维数据
print('xx:', predictions.shape) # (1008,)
# 打印图片路径及名称
image_path = os.path.join(root, file)
print(image_path)
# 显示图片
img = Image.open(image_path)
print('img:', type(img))
plt.imshow(img)
plt.axis('off')
plt.show()
# 排序：从大到小前5个排序
top_k = predictions.argsort()[-5:][::-1]
print('top_k:', top_k) # top_k: [274 268 273 382 563]
node_lookup = NodeLookup()
for nodeid in top_k:
# 分类名称
human_string = node_lookup.id_to_string(nodeid)
# 获取分类的置信度
score = predictions[nodeid]
print('%s (score = %.5f)' % (human_string, score))
print('\n')
上述程序的部分输出结果如下图2.1所示：
如图2.1所示，我们直接从网上下载一张图片(本例是一辆车)进行识别，top-5的识别准确率较高，且有92.857%已经识别正确。下一篇我们就用inception-v3为基础进行迁移学习，用于我们想要的图像进行训练、识别。
【参考】：
1. 城市数据团课程《AI工程师》计算机视觉方向
2. deeplearning.ai 吴恩达《深度学习工程师》
3. 《机器学习》作者：周志华
4. 《深度学习》作者：Ian Goodfellow
转载声明：
版权声明：非商用自由转载-保持署名-注明出处
署名 ：mcyJacky
文章出处：https://blog.csdn.net/mcyJacky