Inicio de GoogleNet

GoogLeNet para clasificación de imágenes

• Implementación de TensorFlow de Going Deeper with Convolutions (CVPR'15).

• Este repositorio contiene ejemplos de clasificación de imágenes naturales utilizando un modelo previamente entrenado, así como también entrenamiento de una red Inception desde cero en el conjunto de datos CIFAR-10 (93,64 % de precisión en el conjunto de pruebas). El modelo previamente entrenado en CIFAR-10 se puede descargar desde aquí.
• Arquitectura de GoogLeNet del artículo:

Requisitos

• Pitón 3.3+
• TensorFlow 1.9+
• numpy
• picante

Detalles de implementación

• El modelo GoogLeNet está definido en src/nets/googlenet.py .
• El módulo de inicio se define en src/models/inception_module.py .
• Un ejemplo de clasificación de imágenes utilizando un modelo previamente entrenado se encuentra en examples/inception_pretrained.py .
• Un ejemplo de cómo entrenar una red desde cero en CIFAR-10 se encuentra en examples/inception_cifar.py .

Para probar el modelo previamente entrenado

• Las imágenes se redimensionan para que el lado más pequeño sea igual a 224 antes de introducirlas en el modelo. Esto no es lo mismo que el artículo original, que es un conjunto de 7 modelos similares que utilizan 144 recortes de 224x224 por imagen para realizar pruebas. Por lo tanto, el rendimiento no será tan bueno como el del documento original.

Para entrenar desde cero en CIFAR-10

• Todas las capas LRN se eliminan de las capas convolucionales.
• La normalización por lotes y la activación de ReLU se utilizan en todas las capas convolucionales, incluidas las capas de la estructura Inception, excepto la capa de salida.
• Se utilizan dos clasificadores auxiliares como se menciona en el artículo, aunque se utilizan 512 en lugar de 1024 unidades ocultas en las dos capas completamente conectadas para reducir el cálculo. Sin embargo, encontré que los resultados son casi los mismos en CIFAR-10 con y sin clasificadores auxiliares.
• Dado que las imágenes de 32 x 32 se reducen a 1 x 1 antes de introducirlas en inception_5a , esto hace que la estructura multiescala de las capas iniciales sea menos útil y perjudica el rendimiento (alrededor del 80 % de precisión). Para aprovechar al máximo las estructuras de múltiples escalas, el paso de la primera capa convolucional se reduce a 1 y se eliminan las dos primeras capas de agrupación máxima. El mapa de características (32 x 32 x canales) tendrá casi el mismo tamaño que se describe en la tabla 1 (28 x 28 x canales) en el documento antes de introducirlo en inception_3a . También intenté solo reducir la zancada o eliminar solo una capa de agrupación máxima. Pero descubrí que la configuración actual proporciona el mejor rendimiento en el conjunto de prueba.
• Durante el entrenamiento, se aplica el abandono con una probabilidad de mantenimiento de 0,4 a dos capas completamente conectadas y también se utiliza la caída de peso con 5e-4.
• La red se entrena a través del optimizador Adam. El tamaño del lote es 128. La tasa de aprendizaje inicial es 1e-3, desciende a 1e-4 después de 30 épocas y finalmente desciende a 1e-5 después de 50 épocas.
• Cada canal de color de las imágenes de entrada se resta del valor medio calculado a partir del conjunto de entrenamiento.

Uso

Clasificación de ImageNet

Preparación

• Descargue los parámetros previamente entrenados aquí. Esto es original de aquí.
• Ruta de configuración en examples/inception_pretrained.py : PRETRINED_PATH es la ruta para el modelo previamente entrenado. DATA_PATH es la ruta para colocar imágenes de prueba.

Correr

Vaya a examples/ y coloque la imagen de prueba en la carpeta DATA_PATH , luego ejecute el script:

 python inception_pretrained.py --im_name PART_OF_IMAGE_NAME

• --im_name es la opción para los nombres de imágenes que desea probar. Si las imágenes de prueba son todas archivos png , este puede ser png . La configuración predeterminada es .jpg .
• El resultado serán las 5 etiquetas y probabilidades de clases principales.

Entrenar la red en CIFAR-10

Preparación

• Descargue el conjunto de datos CIFAR-10 desde aquí
• Ruta de configuración en examples/inception_cifar.py : DATA_PATH es la ruta para colocar CIFAR-10. SAVE_PATH es la ruta para guardar o cargar el archivo de resumen y el modelo entrenado.

Entrenar el modelo

Vaya a examples/ y ejecute el script:

 python inception_cifar.py --train 
  --lr LEARNING_RATE 
  --bsize BATCH_SIZE 
  --keep_prob KEEP_PROB_OF_DROPOUT 
  --maxepoch MAX_TRAINING_EPOCH

• El resumen y el modelo se guardarán en SAVE_PATH . Se puede descargar un modelo previamente entrenado en CIFAR-10 desde aquí.

Evaluar el modelo

Vaya a examples/ y coloque el modelo previamente entrenado en SAVE_PATH . Luego ejecute el script:

 python inception_cifar.py --eval 
  --load PRE_TRAINED_MODEL_ID

• La ID previamente entrenada es la ID de época que se muestra en el nombre del archivo modelado guardado. El valor predeterminado es 99 , que indica el que subí.
• El resultado será la precisión del conjunto de entrenamiento y pruebas.

Resultados

Clasificación de imágenes utilizando un modelo previamente entrenado.

• Se muestran las cinco predicciones principales. Las probabilidades se muestran manteniendo dos decimales. Tenga en cuenta que el modelo previamente entrenado se entrena en ImageNet.
• El resultado de VGG19 para las mismas imágenes se puede encontrar aquí. El preprocesamiento de imágenes para ambos experimentos es el mismo.

Fuente de datos	Imagen	Resultado
PALMA DE COCO		1: probabilidad: 1,00, etiqueta: oso pardo, bruin, Ursus arctos 2: probabilidad: 0,00, etiqueta: oso de hielo, oso polar 3: probabilidad: 0.00, etiqueta: hiena, hiena 4: probabilidad: 0,00, etiqueta: chow, chow chow 5: probabilidad: 0,00, etiqueta: oso negro americano, oso negro
PALMA DE COCO		1: probabilidad: 0,79, etiqueta: letrero de la calle 2: probabilidad: 0,06, etiqueta: semáforo, señal de tráfico, semáforo 3: probabilidad: 0,03, etiqueta: parquímetro 4: probabilidad: 0,02, etiqueta: buzón, buzón 5: probabilidad: 0,01, etiqueta: globo
PALMA DE COCO		1: probabilidad: 0,94, etiqueta: trolebús, trolebús 2: probabilidad: 0,05, etiqueta: turismo, autocar, carruaje 3: probabilidad: 0,00, etiqueta: camión de bomberos, camión de bomberos 4: probabilidad: 0,00, etiqueta: tranvía, tranvía, tranvía, trolebús 5: probabilidad: 0,00, etiqueta: minibús
PALMA DE COCO		1: probabilidad: 0,35, etiqueta: burrito 2: probabilidad: 0,17, etiqueta: potpie 3: probabilidad: 0,14, etiqueta: puré de patatas 4: probabilidad: 0,10, etiqueta: placa 5: probabilidad: 0,03, etiqueta: pizza, pastel de pizza
ImagenNet		1: probabilidad: 1,00, etiqueta: pez dorado, Carassius auratus 2: probabilidad: 0,00, etiqueta: belleza de roca, Holocanthus tricolor 3: probabilidad: 0,00, etiqueta: globo, pez globo, pez globo, pez globo 4: probabilidad: 0.00, etiqueta: tenca, Tinca tinca 5: probabilidad: 0,00, etiqueta: pez anémona
Auto colección		1: probabilidad: 0,32, etiqueta: gato egipcio 2: probabilidad: 0,30, etiqueta: atigrado, gato atigrado 3: probabilidad: 0,05, etiqueta: gato tigre 4: probabilidad: 0,02, etiqueta: ratón, ratón de ordenador 5: probabilidad: 0,02, etiqueta: toalla de papel
Auto colección		1: probabilidad: 1,00, etiqueta: tranvía, tranvía, tranvía, tranvía, tranvía 2: probabilidad: 0,00, etiqueta: turismo, autocar, carruaje 3: probabilidad: 0,00, etiqueta: trolebús, trolebús, trolebús sin rieles 4: probabilidad: 0,00, etiqueta: locomotora eléctrica 5: probabilidad: 0,00, etiqueta: vagón de carga

Entrena la red desde cero en CIFAR-10

• Aquí hay un experimento similar usando VGG19.

curva de aprendizaje para el conjunto de entrenamiento

curva de aprendizaje para el conjunto de pruebas

• La precisión del conjunto de pruebas es del 93,64% alrededor de 100 épocas. Podemos observar el comportamiento ligeramente sobreajustado al final del entrenamiento.

Autor

Qian Ge