Keras 作為當(dāng)前深度學(xué)習(xí)框架中的熱門(mén)之一，使用起來(lái)是極其簡(jiǎn)便的，它所提供的各種友好而靈活的API，即使對(duì)于新手而言，相比于TensorFlow也非常容易上手。更特別的是，Keras中還預(yù)置了多種已經(jīng)訓(xùn)練好的、非常流行的神經(jīng)網(wǎng)絡(luò)模型:

VGG 結(jié)構(gòu)簡(jiǎn)介

使用者可以非常方便地以他山之石來(lái)解決自己的問(wèn)題。本文將以VGG16為例來(lái)演示，如何在Keras中執(zhí)行物體識(shí)別（Object Recognization）任務(wù)。VGG16是由來(lái)自牛津大學(xué)的研究團(tuán)隊(duì)涉及并實(shí)現(xiàn)的一個(gè)基于CNN的深度學(xué)習(xí)網(wǎng)絡(luò)，它的深度為23（包括16個(gè)layers），所有的權(quán)重總計(jì)超過(guò)500M，下圖給出了它的一個(gè)基本結(jié)構(gòu)（參考D列）：

image

通過(guò)下圖可以更加清晰了解：

image

簡(jiǎn)單概括其結(jié)構(gòu)為：
VGG-16，輸入層224x224x3，經(jīng)過(guò)兩層相同的卷積，卷積filter為3*3，stride為1，filter數(shù)為64，然后經(jīng)過(guò)一層pooling。接著按照相同的方式，讓寬和高越來(lái)越小，而通道數(shù)逐倍增加，直到512。最后用兩層相同全連接加一個(gè)softmax。使用流程圖即為：

image

這里有更加清楚的VGG結(jié)構(gòu)圖。

VGG-16使用

可以使用下面的命令直接導(dǎo)入已經(jīng)訓(xùn)練好的VGG16網(wǎng)絡(luò)，注意因?yàn)槿康膮?shù)總計(jì)超過(guò)500M，因此當(dāng)你首次使用下面的命令時(shí)，Keras需要從網(wǎng)上先下載這些參數(shù)，這可能需要耗用一些時(shí)間。

from keras.applications.vgg16 import VGG16
model = VGG16()
print(model.summary())

最后一句會(huì)輸入VGG16網(wǎng)絡(luò)的層級(jí)結(jié)構(gòu)，不僅如此，VGG()這個(gè)類(lèi)中還提供了一些參數(shù)，這些參數(shù)可以令你非常方便地定制個(gè)性化的網(wǎng)絡(luò)結(jié)構(gòu)，這一點(diǎn)在遷移學(xué)習(xí)（Transfer Learning）中尤其有用，摘列部分參數(shù)如下：

• include_top (True): Whether or not to include the output layers for the model. You don’t need these if you are fitting the model on your own problem.
• weights (‘imagenet‘): What weights to load. You can specify None to not load pre-trained weights if you are interested in training the model yourself from scratch.
• input_tensor (None): A new input layer if you intend to fit the model on new data of a different size.
• input_shape (None): The size of images that the model is expected to take if you change the input layer.
• pooling (None): The type of pooling to use when you are training a new set of output layers.
• classes (1000): The number of classes (e.g. size of output vector) for the model.

當(dāng)你需要直接使用VGG-16輸出識(shí)別結(jié)果時(shí)，需要enable include_top來(lái)包含output layer。

加載圖片及處理

準(zhǔn)確好一張待識(shí)別的圖片，其內(nèi)容為一只金毛犬（golden_retriever）：

image

from keras.applications.vgg16 import VGG16, preprocess_input, decode_predictions

from keras.preprocessing.image import load_img, img_to_array
import numpy as np

image = load_img('C:/Pictures/test_imgs/golden.jpg', target_size=(224, 224))
image_data = img_to_array(image)

# reshape it into the specific format
image_data = image_data.reshape((1,) + image_data.shape)
print(image_data.shape)

# prepare the image data for VGG
image_data = preprocess_input(image_data)

注意點(diǎn)：

• 輸入圖片的dim是224x224；
• 需要reshape為（samples,dims）,即dim為（224,224,3）的若干輸入樣本；
• 最后還需要preprocess_input()是將其轉(zhuǎn)化為VGG-16能夠接受的輸入，實(shí)際上為每個(gè)像素減去均值（見(jiàn)原文描述）：

The only preprocessing we do is subtracting the mean RGB value, computed on the training set, from each pixel.

進(jìn)行預(yù)測(cè)和解析

# using the pre-trained model to predict
prediction = model.predict(image_data)

# decode the prediction results
results = decode_predictions(prediction, top=3)

print(results)

我們將得到可能性最高的前三個(gè)識(shí)別結(jié)果：

[[('n02099601', 'golden_retriever', 0.9698627), ('n04409515', 'tennis_ball', 0.008626293), ('n02100877', 'Irish_setter', 0.004562445)]]

可見(jiàn)與結(jié)果試一致的，97%預(yù)測(cè)是金毛。

完整代碼：

from keras.applications.vgg16 import VGG16, preprocess_input, decode_predictions

from keras.preprocessing.image import load_img, img_to_array
import numpy as np
# VGG-16 instance
model = VGG16(weights='imagenet', include_top=True)

image = load_img('C:/Pictures/Pictures/test_imgs/golden.jpg', target_size=(224, 224))
image_data = img_to_array(image)

# reshape it into the specific format
image_data = image_data.reshape((1,) + image_data.shape)
print(image_data.shape)

# prepare the image data for VGG
image_data = preprocess_input(image_data)

# using the pre-trained model to predict
prediction = model.predict(image_data)

# decode the prediction results
results = decode_predictions(prediction, top=3)

print(results)