基于卷積神經(jīng)網(wǎng)絡的圖像識別研究

房夢婷 陳中舉

摘要：為提高圖像識別的準確率，提出了一種基于卷積神經(jīng)網(wǎng)絡的圖像識別模型。本實驗使用Python編程語言實現(xiàn)模型的訓練與測試。對圖像數(shù)據(jù)集cifar-10進行預處理后，使用Python中的Keras框架進行模型的構建與訓練，模型訓練完畢后，對識別準確率進行評估，最后對測試集中的圖片進行識別，獲得預測準確率和混淆矩陣。通過增加卷積運算的次數(shù)，提高圖像識別的準確率。

關鍵詞：卷積神經(jīng)網(wǎng)絡;圖像識別;Python;Keras

中圖分類號：TP391 文獻標識碼：A

文章編號：1009-3044（2020）10-0190-03

1概述

卷積神經(jīng)網(wǎng)絡，簡稱CNN，是多層神經(jīng)網(wǎng)絡模型的一個變種，受到生物學的啟發(fā)，卷積神經(jīng)網(wǎng)絡在圖像領域得到了廣泛的應用。最早的神經(jīng)網(wǎng)絡模型是1998年由LeCun等人提出的LeNet5m，它以交替出現(xiàn)的卷積層和池化層作為基礎的主干網(wǎng)絡，結合全連接層組成完整的網(wǎng)絡結構。在2012年，Krizhevsky等人設計了AlexNetN網(wǎng)絡，它的主干網(wǎng)絡包含了五個卷積層，全連接層增加到三個，并且將傳統(tǒng)的激活函數(shù)替換成ReLU函數(shù)。2013年，MinLin在NetworkinNetworkN中首次明確提出了在進行卷積運算的時候使用1Xl的卷積核。2014年，Szegedv等人提出了并行卷積的Inception模塊。2015年，HeK等人提出了使用兩個3x3的卷積核代替原來的5x5的卷積核的MSRA-Net[S]，使網(wǎng)絡的性能得到非常大的提升。同年，HeK等人提出的RestNet網(wǎng)絡，進一步提升了網(wǎng)絡性能。 2相關技術

2.1Keras框架

Keras是一個使用Python編寫的模型級的高級深度學習程序庫，只處理模型的建立、訓練和預測等，使用最少的程序代碼、花費最少的時間建立深度學習模型。對于深度學習底層的運算（如張量運算），使用的是“后端引擎”。目前Keras提供了兩種后端引擎：TensorFlow與Theano。同Keras相比，單獨使用TensorFlow這樣低級的鏈接庫雖然可以完全控制各種深度學習模型的細節(jié)，但是需要編寫更多的程序代碼，花費更多時間進行開發(fā)。

2.2卷積神經(jīng)網(wǎng)絡

卷積神經(jīng)網(wǎng)絡是一種在監(jiān)督學習下的多層網(wǎng)絡模型，由多個卷積層和池化層（有時也統(tǒng)稱卷積層）交替連接而成。最經(jīng)典的卷積神經(jīng)網(wǎng)絡模型是LeNet5模型，它由YannLeCun設計，基本的操作包括：卷積運算和池化運算。其具體的網(wǎng)絡結構如圖1所示：

2.2.1卷積運算

卷積層的意義是將原本一個圖像經(jīng)過卷積運算產(chǎn)生多個圖像，每一個圖像保有原圖像的一些特征，卷積運算的效果很類似濾鏡的效果，用于提取不同的特征。卷積運算的過程如圖2所示：

在圖3所示過程中，輸入圖片的大小為6×6，卷積核的大小為3×3，首先選取圖片左上角一個3×3的矩陣（藍色區(qū)域）與卷積核進行運算。運算的過程是：被選區(qū)域與卷積核對應位置元素相乘，得到一個3×3的矩陣，再將該矩陣中的所有元素相加，得到第一個卷積特征，即3×1+0×0+1×（-1）+1×1+5×0+8×（-1）+2×1+7×0+2×（-1）=-5。然后藍色被選區(qū)域向右移動一個步長（在這里步長為1），利用新得到的矩陣繼續(xù)跟卷積核做卷積運算，同樣是先乘后加，得到對應位置的卷積特征-4。接下來藍色被選區(qū)域按照從左到右、從上到下的順序，依次遍歷整個圖片，得到圖片卷積之后的所有特征值，是一個4×4的矩陣。在實驗過程中，通常利用多個不同的卷積核來處理圖片，從而提取出不同的特征。

從上面的卷積過程可以看出，通過卷積運算，圖片大小由原來的6×6，縮小為4×4，若進行多次的卷積，圖片一直縮小，會使得圖片的邊緣特征被忽略掉。要使得卷積過程中圖片的大小不變，保留圖片更多的特征，需要在圖片外面進行填充，通常是填充0。

2.2.2池化運算

池化層（也稱下采樣層）意義是用一個特征來表達一個局部的特征，池化運算就是對圖像進行縮減采樣。池化運算中最常用的是最大池化，就是只取指定區(qū)域中的最大值，另外還有平均池化，k最大池化等。其中，最大池化運算的過程如圖3所示，原本4×4的圖像經(jīng)過池化運算后，圖像的大小變?yōu)?×2：

通過池化運算減少了需要處理的數(shù)據(jù)點，節(jié)省了后續(xù)運算所需的時間。同時也讓參數(shù)的數(shù)量和計算量有所下降，這在一定程度上也控制了過度擬合。

3卷積神經(jīng)網(wǎng)絡的圖像識別實驗

3.1數(shù)據(jù)源

本實驗使用cifar-lO圖像識別數(shù)據(jù)集作為實驗數(shù)據(jù)，該數(shù)據(jù)集中共有60000張彩色圖片，圖片大小為32×32，由兩部分組成，一部分是訓練圖片共50000張，一部分是測試圖片共10000張。該數(shù)據(jù)集中包含了10類事物，分別為：airplane，auto-mobile，bird，cat，deer，dog，frog，horse，ship，truck，每個分類有6000張圖片。

3.2實驗過程

本實驗使用Pvthon的Keras框架來完成圖像識別模型的設計，為比較不同卷積層數(shù)對識別準確率的影響，需要不斷加深模型的卷積層數(shù)。具體流程如圖4所示：

4實驗結果

4.1訓練結果

在模型訓練階段，將50000條訓練數(shù)據(jù)按照8：2的比例隨機分為訓練數(shù)據(jù)和驗證數(shù)據(jù)，設置損失函數(shù)的參數(shù)為categori-cal_crossentropy，優(yōu)化器為adam，評估模型的方法為準確率，訓練周期為15，batch_size設為128。模型一為只有兩個卷積層的淺層神經(jīng)網(wǎng)絡，模型二將卷積層增加到了六層。為了防止模型出現(xiàn)過擬合的情況，在建模的過程中適當添加Dropout函數(shù)放棄部分神經(jīng)元。訓練過程中的準確率執(zhí)行結果如圖5所示。

如果訓練準確率一直增加，驗證準確率沒有增加，可能是出現(xiàn)了過擬合的現(xiàn)象。比較兩個模型，可以發(fā)現(xiàn)對過擬合程度控制更好的是模型二。

4.2測試結果

使用測試數(shù)據(jù)集，對兩個模型預測的準確率進行評估，最終模型一的準確率為0.7384，模型二的準確率為0.8062。可以看出，模型二預測的準確率要高于模型一。

4.3效果展示

如圖7是模型二對圖片預測效果的展示。

5總結

為完成圖像識別任務，本文利用Pvthon中的Keras框架，通過少量的代碼完成了卷積神經(jīng)網(wǎng)絡模型的構建。通過不斷加深網(wǎng)絡的深度，得出如下結論，針對特定數(shù)據(jù)集，通過適當增加卷積層的數(shù)量可以有效地提高圖像識別的準確率。由于實驗機器的計算能力有限，實驗數(shù)據(jù)量太小，本次實驗構建的卷積神經(jīng)網(wǎng)絡的結構并不大。下一步的研究可以在改變參數(shù)設置、更換實驗環(huán)境、使用更加龐大的數(shù)據(jù)集等方面進行展開，更加深入的學習和利用卷積神經(jīng)網(wǎng)絡。