VGG是由Simonyan 和Zisserman在文獻(xiàn)《Very Deep Convolutional Networks for Large Scale Image Recognition》中提出卷積神經(jīng)網(wǎng)絡(luò)模型，其名稱來(lái)源于作者所在的牛津大學(xué)視覺幾何組(Visual Geometry Group)的縮寫。

該模型參加2014年的 ImageNet圖像分類與定位挑戰(zhàn)賽，取得了優(yōu)異成績(jī)：在分類任務(wù)上排名第二，在定位任務(wù)上排名第一。

可能大家會(huì)想，這樣一個(gè)這么強(qiáng)的模型肯定很復(fù)雜吧？

其實(shí)一點(diǎn)也不復(fù)雜，它的結(jié)構(gòu)如下圖所示：

這是一個(gè)VGG被用到爛的圖，但確實(shí)很好的反應(yīng)了VGG的結(jié)構(gòu)：

1、一張?jiān)紙D片被resize到(224,224,3)。

2、conv1兩次[3,3]卷積網(wǎng)絡(luò)，輸出的特征層為64，輸出為(224,224,64)，再2X2最大池化，輸出net為(112,112,64)。

3、conv2兩次[3,3]卷積網(wǎng)絡(luò)，輸出的特征層為128，輸出net為(112,112,128)，再2X2最大池化，輸出net為(56,56,128)。

4、conv3三次[3,3]卷積網(wǎng)絡(luò)，輸出的特征層為256，輸出net為(56,56,256)，再2X2最大池化，輸出net為(28,28,256)。

5、conv3三次[3,3]卷積網(wǎng)絡(luò)，輸出的特征層為256，輸出net為(28,28,512)，再2X2最大池化，輸出net為(14,14,512)。

6、conv3三次[3,3]卷積網(wǎng)絡(luò)，輸出的特征層為256，輸出net為(14,14,512)，再2X2最大池化，輸出net為(7,7,512)。

7、利用卷積的方式模擬全連接層，效果等同，輸出net為(1,1,4096)。共進(jìn)行兩次。

8、利用卷積的方式模擬全連接層，效果等同，輸出net為(1,1,1000)。

最后輸出的就是每個(gè)類的預(yù)測(cè)。

VGG網(wǎng)絡(luò)部分實(shí)現(xiàn)代碼

#-------------------------------------------------------------#
#   vgg16的網(wǎng)絡(luò)部分
#-------------------------------------------------------------#
import tensorflow as tf
# 創(chuàng)建slim對(duì)象
slim = tf.contrib.slim
def vgg_16(inputs,
           num_classes=1000,
           is_training=True,
           dropout_keep_prob=0.5,
           spatial_squeeze=True,
           scope='vgg_16'):
    with tf.variable_scope(scope, 'vgg_16', [inputs]):
        # 建立vgg_16的網(wǎng)絡(luò)
        # conv1兩次[3,3]卷積網(wǎng)絡(luò)，輸出的特征層為64，輸出為(224,224,64)
        net = slim.repeat(inputs, 2, slim.conv2d, 64, [3, 3], scope='conv1')
        # 2X2最大池化，輸出net為(112,112,64)
        net = slim.max_pool2d(net, [2, 2], scope='pool1')
        # conv2兩次[3,3]卷積網(wǎng)絡(luò)，輸出的特征層為128，輸出net為(112,112,128)
        net = slim.repeat(net, 2, slim.conv2d, 128, [3, 3], scope='conv2')
        # 2X2最大池化，輸出net為(56,56,128)
        net = slim.max_pool2d(net, [2, 2], scope='pool2')
        # conv3三次[3,3]卷積網(wǎng)絡(luò)，輸出的特征層為256，輸出net為(56,56,256)
        net = slim.repeat(net, 3, slim.conv2d, 256, [3, 3], scope='conv3')
        # 2X2最大池化，輸出net為(28,28,256)
        net = slim.max_pool2d(net, [2, 2], scope='pool3')
        # conv3三次[3,3]卷積網(wǎng)絡(luò)，輸出的特征層為256，輸出net為(28,28,512)
        net = slim.repeat(net, 3, slim.conv2d, 512, [3, 3], scope='conv4')
        # 2X2最大池化，輸出net為(14,14,512)
        net = slim.max_pool2d(net, [2, 2], scope='pool4')
        # conv3三次[3,3]卷積網(wǎng)絡(luò)，輸出的特征層為256，輸出net為(14,14,512)
        net = slim.repeat(net, 3, slim.conv2d, 512, [3, 3], scope='conv5')
        # 2X2最大池化，輸出net為(7,7,512)
        net = slim.max_pool2d(net, [2, 2], scope='pool5')
        # 利用卷積的方式模擬全連接層，效果等同，輸出net為(1,1,4096)
        net = slim.conv2d(net, 4096, [7, 7], padding='VALID', scope='fc6')
        net = slim.dropout(net, dropout_keep_prob, is_training=is_training,
                            scope='dropout6')
        # 利用卷積的方式模擬全連接層，效果等同，輸出net為(1,1,4096)
        net = slim.conv2d(net, 4096, [1, 1], scope='fc7')
        net = slim.dropout(net, dropout_keep_prob, is_training=is_training,
                            scope='dropout7')
        # 利用卷積的方式模擬全連接層，效果等同，輸出net為(1,1,1000)
        net = slim.conv2d(net, num_classes, [1, 1],
                        activation_fn=None,
                        normalizer_fn=None,
                        scope='fc8')
        # 由于用卷積的方式模擬全連接層，所以輸出需要平鋪
        if spatial_squeeze:
            net = tf.squeeze(net, [1, 2], name='fc8/squeezed')
        return net

圖片預(yù)測(cè)

在圖片預(yù)測(cè)之前首先看看整個(gè)文檔的結(jié)構(gòu)。需要完整代碼可以直接下載

VGG16的模型下載可以用

鏈接: https://pan.baidu.com/s/18IT3ILvnD0uUJDx9-ums2A

提取碼: jr6u 完成

model用于存儲(chǔ)模型，nets用于存儲(chǔ)網(wǎng)絡(luò)結(jié)構(gòu)，test_data用于存放圖片，demo就是之后要執(zhí)行的測(cè)試程序。

圖片預(yù)測(cè)的步驟其實(shí)就是利用訓(xùn)練好的模型進(jìn)行預(yù)測(cè)。

1、載入圖片

2、建立會(huì)話Session；

3、將img_input的placeholder傳入網(wǎng)絡(luò)，建立網(wǎng)絡(luò)結(jié)構(gòu)；

4、初始化所有變量；

5、利用saver對(duì)象restore載入所有參數(shù)。

6、讀取預(yù)測(cè)結(jié)果

demo.py的代碼如下：

from nets import vgg16
import tensorflow as tf
import numpy as np
import utils
# 讀取圖片
img1 = utils.load_image("./test_data/dog.jpg")
# 對(duì)輸入的圖片進(jìn)行resize，使其shape滿足(-1,224,224,3)
inputs = tf.placeholder(tf.float32,[None,None,3])
resized_img = utils.resize_image(inputs, (224, 224))
# 建立網(wǎng)絡(luò)結(jié)構(gòu)
prediction = vgg16.vgg_16(resized_img)
# 載入模型
sess = tf.Session()
ckpt_filename = './model/vgg_16.ckpt'
sess.run(tf.global_variables_initializer())
saver = tf.train.Saver()
saver.restore(sess, ckpt_filename)
# 最后結(jié)果進(jìn)行softmax預(yù)測(cè)
pro = tf.nn.softmax(prediction)
pre = sess.run(pro,feed_dict={inputs:img1})
# 打印預(yù)測(cè)結(jié)果
utils.print_prob(pre[0], './synset.txt')

utils里是一些工具代碼（工具人），包括載入圖片、圖片大小更改、打印預(yù)測(cè)結(jié)果等：

import matplotlib.image as mpimg
import numpy as np
import tensorflow as tf
from tensorflow.python.ops import array_ops
def load_image(path):
    # 讀取圖片，rgb
    img = mpimg.imread(path)
    # 將圖片修剪成中心的正方形
    short_edge = min(img.shape[:2])
    yy = int((img.shape[0] - short_edge) / 2)
    xx = int((img.shape[1] - short_edge) / 2)
    crop_img = img[yy: yy + short_edge, xx: xx + short_edge]
    return crop_img
def resize_image(image, size,
                 method=tf.image.ResizeMethod.BILINEAR,
                 align_corners=False):
    with tf.name_scope('resize_image'):
        image = tf.expand_dims(image, 0)
        image = tf.image.resize_images(image, size,
                                       method, align_corners)
        image = tf.reshape(image, tf.stack([-1,size[0], size[1], 3]))
        return image
def print_prob(prob, file_path):
    synset = [l.strip() for l in open(file_path).readlines()]
    # 將概率從大到小排列的結(jié)果的序號(hào)存入pred
    pred = np.argsort(prob)[::-1]
    # 取最大的1個(gè)、5個(gè)。
    top1 = synset[pred[0]]
    print(("Top1: ", top1, prob[pred[0]]))
    top5 = [(synset[pred[i]], prob[pred[i]]) for i in range(5)]
    print(("Top5: ", top5))
    return top1

該圖的預(yù)測(cè)結(jié)果為：

('Top1: ', 'n02099601 golden retriever', 0.98766345)
('Top5: ', [('n02099601 golden retriever', 0.98766345), ('n02099712 Labrador retriever', 0.0108569125), ('n02101556 clumber, clumber spaniel', 0.00039345716), ('n02102480 Sussex spaniel', 0.0002893341), ('n02102318 cocker spaniel, English cocker spaniel, cocker', 0.00018955152)])

以上就是VGG16模型的復(fù)現(xiàn)及其詳解（包含如何預(yù)測(cè)）的詳細(xì)內(nèi)容，更多關(guān)于VGG16模型復(fù)現(xiàn)預(yù)測(cè)的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章: