计算机视觉-第08章4-基于卷积神经网络的图像分类

人工智能视觉课程-基于卷积神经网络的图像分类人工智能学院01项目导入02项目任务03项目目标04知识链接05项目准备06任务实施07任务拓展08项目小结项目导入2024/1/153卷积神经网络在图像分类等任务上表现突出

项目导入2024/1/154VGG-16ResNet152GoogleNet01项目导入02项目任务03项目目标04知识链接05项目准备06任务实施07任务拓展08项目小结本章的任务是使得电脑具有将自然图像根据所包含物体进行分类的能力项目任务2024/1/15601项目导入02项目任务03项目目标04知识链接05项目准备06任务实施07任务拓展08项目小结知识目标理解卷积网络结构中的基本概念了解CIFAR-10数据集了解卷积神经网络的训练步骤技能目标掌握CIFAR-10图片分类数据集在keras中的使用方法掌握使用keras搭建和训练一个卷积神经网络的方法项目目标2024/1/158职业素养目标培养学生严谨、细致、规范的职业素质培养学生团队协作、表达沟通能力培养学生跟踪新技术、创新设计能力培养学生的技术标准意识、操作规范意识、服务质量意识等项目目标2024/1/15901项目导入02项目任务03项目目标04知识链接05项目准备06任务实施07任务拓展08项目小结神经网络类别–卷积神经网络2024/1/1511包含卷积层的神经网络神经网络类别–卷积神经网络2024/1/1512卷积层每一层的每张特征图都通过上一层的特征图进行卷积操作得到图像卷积*=神经网络类别–卷积神经网络2024/1/1513卷积层每一层的每张特征图都通过上一层的特征图进行卷积操作得到三维卷积第一个三维卷积核神经网络类别–卷积神经网络2024/1/1514卷积层每一层的每张特征图都通过上一层的特征图进行卷积操作得到三维卷积第二个三维卷积核神经网络类别–卷积神经网络2024/1/1515卷积层每一层的每张特征图都通过上一层的特征图进行卷积操作得到三维卷积一共6个三维卷积核产生6个特征图（feature

map），也称为activation

map在图像边缘补全像素常用于保证输出的特征图和输入有同样的分辨率或和步长共同控制输出特征图的大小知识链接-padding2024/1/1516Padding前5x53x33x3在图像边缘补全像素常用于保证输出的特征图和输入有同样的分辨率或和步长共同控制输出特征图的大小知识链接-padding2024/1/1517Padding后5x5->7x73x35x5Stride步长压缩特征图的长和宽，以减少网络中参数的数量和计算量卷积核每次滑动的距离

知识链接-步长2024/1/1518知识链接-步长2024/1/1519Stride步长压缩特征图的长和宽，以减少网络中参数的数量和计算量卷积核每次滑动的距离

（n-k+2p）/s+1n：输入图的边长k：卷积核的边长p：padding的宽度（只考虑一个方向）s：步长

知识链接-输出特征图的大小2024/1/1520当前卷积层输入特征维度为224*224*3卷积核个数为18padding=1步长=1求输出特征维度知识问答2024/1/1521keras.layers.Conv2D()知识链接-keras中创建卷积层2024/1/1522重点参数说明filters卷积核的个数，也等于输出特征图的数量kernel_size卷积核的边长stride步长paddingPadding的类型，可选”valid”（不做padding）或”same”（输出和输入分辨率保持一致）activation激活函数类型MaxPooling2D类用于实现最大池化知识链接-MaxPooling2D类2024/1/152310个类别，飞机、汽车、鸟类、猫、鹿、狗、青蛙、马、轮船、卡车每类6,000张32*32*3，彩色图像训练集50,000张，测试集10,000张知识链接-CIFAR-10数据集2024/1/152401项目导入02项目任务03项目目标04知识链接05项目准备06任务实施07任务拓展08项目小结硬件条件一台计算机软件条件Windows10，64位PyCharmWindows社区版，Version:2021.1.2AnacondaWindowsPython3.8，64位TensorFlow(CPU版)1.14.0Keras2.2.5OpenCV-Python4.5.3.56、Numpy1.19.5、pydot-1.4.2等项目准备2024/1/152601项目导入02项目任务03项目目标04知识链接05项目准备06任务实施07任务拓展08项目小结任务实施-项目任务概述2024/1/1528任务实施-引入必要的库2024/1/1529任务实施-选择模型和构建网络2024/1/1530conv1conv2pool1conv3conv4pool2flattenfc1fc2网络示意图任务实施-数据准备2024/1/15314[0,0,0,0,1,0,0,0,0,0]10任务实施-网络训练2024/1/1532训练集中的图片都参与训练任务实施-模型测试和保存2024/1/1533作业2024/1/1534用代码实现如下功能随机选取CIFAR-10测试集中的一张图片读取训练好的模型输出该图片的类别预测结果（以中文单词输出，如：轮船）01项目导入02项目任务03项目目标04知识链接05项目准备06任务实施07任务拓展08项目小结读取保存后的模型，从CIFAR-10中的随机选取一张样本图片，用训练好的模型进行类别预测本项目中的所有卷积层的卷积核大小都是3*3，可尝试修改卷积层的参数，如kernel_size，stride等，查看不同配置对训练结果的影响。任务拓展2024/1/153601项目导入02项目任务03