python人工智能：完整的图像识别（非图像验证码），以及模型的使用

我们一直在谈论人工智能和图像识别，但是有多少人知道呢？网上有堆积如山的文章。前段时间，由于工作需要，只有我一个人做后端开发，要做图像识别。

于是我开始了疯狂的寻找。首先我们来说说目前互联网上介绍最多、最好、最棘手的模型——AIimage。它用了10行代码就完成了图像识别。可以通过代码来识别对象，但必须使用它们的模型。他们不能自己训练，所以我开始寻找AIimage的训练模型。我找到了它并且它能够被训练。我使用了训练好的模型并正式进行了测试。哇，看起来像屎一样！

后来得到了一位大哥的真实消息，给了我这套完整的训练+完整的使用代码。先说说这位大哥吧。他真是个好人。我从git获取代码，然后自己运行。各种bug+都不行。我不好意思问调试的事情，但是这位大哥亲自帮我调试，解决bug，远程调试到半夜。太难了。我给他发了红包，他没收了，还留言：学*！

大哥永远是大哥

之所以写这篇文章，主要是为了让像我这样的纯粹新手更容易使用代码。由于源码没有完整的结构，并且存在一些小问题，所以我给出的是完全通过的代码。

我不懂人工智能。以下内容来自老大哥原创文章：TensorFlow复刻ResNet系列模型

：

阅读之前需要了解的事项：

如果读者在阅读中发现任何错误，请在评论中指出，共同进步。

编译环境：Python3.5

张量流GPU 1.3.0

1.结构分析

说起卷积模型，LeNet、Inception、Vgg都是图像识别领域学*神经网络的经典模型。上图模型是经典的Vgg-19与34层传统卷积网络和ResNet-34的对比。

在计算量方面，Vgg-19的三层全连接神经网络的计算量明显大于传统的卷积网络和resnet。传统卷积网络和resnet的参数数量是相同的。

普通和resnet

在训练拟合方面，论文分别提供了plain-18、plain-34、resnet-18 和resnet-34 的比较。不难发现，随着层数的增加，plain的精度并没有明显提升。改进，resnet不仅随着层数的增加训练精度有所提高，而且在相同深度下比plain有更高的精度。

残差模块

上图展示了residual模块的结构。为了有效，残差块需要具有两层或多层。同时，输入x和输出F(x)的维度也必须相同。

残差块

1、尺寸不足的部分用全0填充

2、输入输出维度一致时使用恒等映射，不一致时使用线性投影。

3. 对所有块使用线性投影。

2.实施规划（ResNet-50-101-152）

不同深度的ResNet结构

结构定义词典

结构字典

ResNet_demo={ 'layer_50':[{'深度': 256,'num_class': 3}, {'深度': 512,'num_class': 4}, {'深度': 1024,'num_class': 6}, {'深度': 2048，'num_class': 3}]，'layer_101': [{'深度': 256，'num_class': 3}，{'深度': 512，'num_class': 4}，{'深度': 1024，'num_class': 23}，{'深度': 2048，'num_class': 3}]，'layer_152': [{'深度': 256，'num_class': 3}，{'深度' : 512, 'num_class': 8}, {'深度': 1024, 'num_class': 36}, {'深度': 2048, 'num_class': 3}] 子类模块规划

在ResNet网络传输过程中，我们来讨论一些即将出现的问题：

1. 下采样过程

2. 通道填充

下采样图

下采样过程用于不同类型瓶颈模块之间的传输过程。比如上图中粉色卷积层和蓝色卷积层之间的数据交互。蓝色卷积层中的/2是下采样过程。

下采样模块代码实现

def Sample(input_tensor, #Tensor Entry ksize=1, #采样块大小stride=2): #采样步长data=input_tensor data=slim.max_pool2d(data,ksize,stride=stride) 返回数据通道填充用于输入数据x与结果数据F(x)生成残差和时引起的通道失配问题

通道填充模块代码实现

def heightFilling(input_tensor, #InputTensor depth): #输出深度data=input_tensor #获取输入张量的深度input_depth=data.get_shape().as_list()[3] #tf.pad 填充的是维度，对于那些不明白的可以去TensoFLow官网了解一下data=tf.pad(data,[[0,0], [0,0], [0,0], [abs(深度- input_深度)//2、abs(深度- input_深度) //2]]) 返回数据好了，两个子类的问题已经解决了。现在让我们规划并实现残差模块。

残差模块

由于构建方向选择层大于等于50层，因此我们使用论文中给出的第二种残差模块（11+33+1*1）。

残差模块代码实现

defbottleneck(input_tensor,output_depth): #取出通道redepth=input_tensor.get_shape().as_list()[3] #当通道不匹配时，进行全零填充和下采样if output_depth !=redepth: #All-零填充input_tensor=heightFilling(input_tensor,output_depth) #下采样input_tensor=抽样(input_tensor)data=input_tensor #下通道处理data=slim.conv2d(inputs=data, num_outputs=output_depth//4, kernel_size=1, stride=1) #提取特征data=slim.conv2d(inputs=data, num_outputs=output_depth//4, kernel_size=3, stride=1)#通道恢复data=slim.conv2d(inputs=data, num_outputs=output_depth, kernel_size=1, stride=1、activation_fn=None, normalizer_fn=None) #生成残差数据=data + input_tensor data=tf.nn.relu(data) 返回数据有了残差模块，我们就可以堆叠网络结构了

然而，为了简化我们的代码块，我选择取出全连接层并将其编写为单独的模块

FC代码实现

这个模块没有什么技术含量，和我们刚开始用的BP神经网络类似。

def cnn_to_fc(input_tensor, #张量入口num_output, #输出接口数量train=False, #是否使用dropout正则化器=None) : #正则函数data=input_tensor #获取输出信息的维度，用于的输入全连接层data_shape=data .get_shape().as_list() Nodes=data_shape[1] * data_shape[2] * data_shape[3] reshape=tf.reshape(data, [data_shape[0], Nodes]) #最后全连接连接层与tf.variable_scope ('layer-fc'): fc_weights=tf.get_variable('weight', [nodes,num_output],initializer=tf.truncated_normal_initializer(stddev=0.1)) ifregularizer !=None: tf.add_to_collection( '损失', 正则化器( fc_weights)) fc_biases=tf.get_variable('bias', [num_output], 初始化器=tf.constant_initializer(0.1)) fc=tf.nn.relu(tf.matmul(重塑， fc_weights) + fc_biases ) if train: fc=tf .nn.dropout(fc, 0.5) return fc 定义传递规则

推理

#Stacked ResNet模块def inference(input_tensor, #数据入口demos, #模型信息(列表) num_output, #出口数量为_train):data=input_tensor #第一层卷积7*7，stride=2，深度为64data=conv2d_same( data,64,7,2,is_train,None,normalizer_fn=False)data=slim.max_pool2d(data,3,2,scope='pool_1')with tf.variable_scope('resnet'): #堆叠通用类瓶颈模块demo_num=0 用于demos: 中的演示demo_num +=1 print('------------------------------------ -- --------') #堆叠子类瓶颈模块for i in range(demo['num_class']): print(demo_num) if demo_num is not 4: if i==demo['num_class'] - 1: 步幅=2 else: 步幅=1 else: 步幅=1 数据=瓶颈(数据，demo['深度'],步幅，is_train) print('------------------ - ------------------------------------')data=tf.layers.batch_normalization(data,training=is_train)data=tf.nn.relu(data ) #平均池化，也可以使用Avg_pool函数data=tf.reduce_mean(data, [1, 2], keep_dims=True)print('output : ', data) #最终全连接层data=slim.conv2d(data , num_output,1,activation_fn=None)data_shape=data.get_shape().as_list()nodes=data_shape[1] * data_shape[2] * data_shape[3]data=tf.reshape(data, [-1, 节点] ) 返回数据推理调用方法

inference(input_tensor=数据录入demos=ResNet_demo['layer_101'], #获取模型字典num_output=出口数量， is_train=False) # BN是否经过训练参考：

https://arxiv.org/pdf/1512.03385.pdf

http://blog.csdn.net/xxy0118/article/details/78324256

http://blog.csdn.net/mao_feng/article/details/52734438

使用介绍

图像分类和目录结构

Snip20181114_1.png

第一步是运行FlowIO.py

图片.png

第二步是运行train.py 来训练模型。这里图片很少，训练次数也很少。真实的情况需要大量的训练。

图片.png

第三步：运行Evaluation.py测试结果集，可以跳过

选择正确的型号：

正确的模型.png

第四步，使用模型useModel.py进行图像识别。

图片.png

结果是对的！

请忽略我的结果，因为我只有8 个训练集，而这需要每个类别至少80 个训练集。