Python深度学习基于Tensorflow(7)视觉处理基础

简介: Python深度学习基于Tensorflow(7)视觉处理基础

图像的本质是一个矩阵, 矩阵中的一个点就是一个像素,如果像素大小为 1000 × 1000 1000 \times 1000 1000×1000,那么图像原本的宽和高都是1000;同时,为了丰富图像的色彩,加入了通道这一概念,通道一般有三个,由三原色组成:RGB 红色,绿色,蓝色;jpg图像格式就是三通道图像,而png有四个通道,最后一个通道表示透明程度;

视觉基础

图像基础

PIL中有九种不同模式。分别为1,L,P,RGB,RGBA,CMYK,YCbCr,I,F

模式 描述 补充
1 模式“1”为二值图像,非黑即白。但是它每个像素用8个BIT表示,0表示黑,255表示白
L 模式“L”为灰色图像,它的每个像素用8个BIT表示,0表示黑,255表示白,其他数字表示不同的灰度。 从模式“RGB”转换为“L”模式是按照下面的公式转换的: L = R ∗ 299 / 1000 + G ∗ 587 / 1000 + B ∗ 114 / 1000 L = R * 299/1000 + G * 587/1000+ B * 114/1000 L=R299/1000+G587/1000+B114/1000
P 模式“P”为8位彩色图像,它的每个像素用8个BIT表示,其对应的彩色值是按照调色板查询出来的。
RGBA 模式“RGBA”为32位彩色图像,它的每个像素用32个BIT表示,其中24BIT表示红色、绿色和蓝色三个通道,另外8BIT表示ALPHA通道,即透明通道。
CMYK 模式“CMYK”为32位彩色图像,它的每个像素用32个BIT表示。模式“CMYK”就是印刷四分色模式,它是彩色印刷时采用的一种套色模式,利用色料的三原色混色原理,加上黑色油墨,共计四种颜色混合叠加,形成所谓“全彩印刷”。 四种标准颜色是:C:Cyan = 青色,又称为‘天蓝色’或是‘湛蓝’M:Magenta = 品红色,又称为‘洋红色’;Y:Yellow = 黄色;K:Key Plate(blacK) = 定位套版色(黑色)。
C = 255 − R C = 255 - R C=255R
M = 255 − G M = 255 - G M=255G
Y = 255 − B Y = 255 - B Y=255B
K = 0 K = 0 K=0
YCbCr 模式“YCbCr”为24位彩色图像,它的每个像素用24个bit表示。YCbCr其中Y是指亮度分量,Cb指蓝色色度分量,而Cr指红色色度分量。人的肉眼对视频的Y分量更敏感,因此在通过对色度分量进行子采样来减少色度分量后,肉眼将察觉不到的图像质量的变化。 模式“RGB”转换为“YCbCr”的公式如下:

Y = 0.257 ∗ R + 0.504 ∗ G + 0.098 ∗ B + 16 Y= 0.257*R+0.504*G+0.098*B+16 Y=0.257R+0.504G+0.098B+16
C b = − 0.148 ∗ R − 0.291 ∗ G + 0.439 ∗ B + 128 Cb = -0.148*R-0.291*G+0.439*B+128 Cb=0.148R0.291G+0.439B+128
C r = 0.439 ∗ R − 0.368 ∗ G − 0.071 ∗ B + 128 Cr = 0.439*R-0.368*G-0.071*B+128 Cr=0.439R0.368G0.071B+128
I 模式“I”为32位整型灰色图像,它的每个像素用32个bit表示,0表示黑,255表示白,(0,255)之间的数字表示不同的灰度。在PIL中,从模式“RGB”转换为“I”模式是按照下面的公式转换的: 从实验的结果看,模式“I”与模式“L”的结果是完全一样,只是模式“L”的像素是8bit,而模式“I”的像素是32bit。
F 模式“F”为32位浮点灰色图像,它的每个像素用32个bit表示,0表示黑,255表示白,(0,255)之间的数字表示不同的灰度。 模式“F”与模式“L”的转换公式是一样的,都是RGB转换为灰色值的公式,但模式“F”会保留小数部分,如实验中的数据。

显示详细信息

转载自:Python图像处理库PIL中图像格式转换(一)_image .pixel-CSDN博客

卷积层:图像的中全连接层的优化

这里以单通道图像为例子,图像为 image.png ,假设隐藏层为 image.png ; 如果使用全连接,有: image.png

这样首先有几个缺点:1. 参数量爆炸式增长; 2. 这相当于把矩阵展开成了向量,丢失了位置信息组成的局部信息;

图像有两个性质:一个是局部性,一个是平移不变性;假设我们需要识别一张图像,我们不可能去关注所有的像素,假设目标是一只马,我们关注的是:它有几条腿,几只眼睛,站着还是坐着等等;这些都是局部信息,从局部信息推导全局信息这是一只马;平移不变性表示我们在局部获取的信息目标是相同的,比如我们要看一只马有几条腿,我们是从局部一个一个查找腿,最后汇总局部的结果,一共有4条腿;

这里使 image.png ,有:

  image.png

添加局部性我们可以把 a,  b 不设置为宽和高这种全局参数,改小一点,如改成 image.png ,有:

image.png

由于平移不变性 image.png 应该与 image.png 无关,有 image.png ,得到: image.png

这就是卷积层的实质! 这里 W被称为卷积核或者过滤器,是该层唯一一个可学习的权重,因此参数量大大减少;

卷积核

卷积核是卷积过程的核心, 卷积核主要是垂直卷积核,水平卷积核;这两个核在不同算子下面不一样,算子总结:

垂直卷积核,水平卷积核能够检测图像的水平边缘,垂直边缘等;

上述图片的代码如下:

from PIL import Image
import numpy as np
import scipy as sp
import pandas as pd
import matplotlib.pyplot as plt
# 导入图片
img = np.array(Image.open('demo.jpg').convert('L'))
# 设置算子
scharr = np.array([[ -3-3j, 0-10j,  +3 -3j],
                   [-10+0j, 0+ 0j, +10 +0j],
                   [ -3+3j, 0+10j,  +3 +3j]])
prewitt = np.array([[ -1-1j, 0-1j,  +1 -1j],
                    [ -1+0j, 0+0j,  +1 +0j],
                    [ -1+1j, 0+1j,  +1 +1j]])
# 计算卷积
new_imgs = [img]
for in2 in [scharr, prewitt]:
    new_img = sp.signal.convolve2d(img, in2, boundary='fill', mode='same')
    new_imgs.append(new_img)
# 作图
fig, axes = plt.subplots(1,3, figsize=(10,4))
axes[0].imshow(np.abs(new_imgs[0]), cmap='gray')
axes[0].axis('off')
axes[0].set_title('origin')
axes[1].imshow(np.abs(new_imgs[1]), cmap='gray')
axes[1].axis('off')
axes[1].set_title('scharr')
axes[2].imshow(np.abs(new_imgs[2]), cmap='gray')
axes[2].axis('off')
axes[2].set_title('prewitt')
plt.show()

这里对二维卷积的 modeboundary 进行讨论

参数 解释
in1 输入的二维数组
in2 输入的二维数组,代表卷积核
mode 卷积类型:“fulll”,“valid”,“same”
boundary 边界填充方式:“fill”,“warp”,“symm”
fillvalue 当boundary="fill"时,设置边界填充的方式,默认为0

mode的形象化如下图:

boundary的形象化如下图:

在神经网络中,还有一个参数叫步幅,默认步幅为1,这个很好理解,在计算卷积的时候,隔一个还是多个进行卷积计算,超出就不管了;

多通道图片进行卷积的话,相当于多了一个维度的卷积核,对应相加后再整体相加;

tf.keras中的卷积函数

详细可以看:

深入浅出理解转置卷积Conv2DTranspose_convtranspose2d-CSDN博客

Conv2d

tf.keras.layers.Conv2D(

filters,

kernel_size,

strides=(1, 1),

padding=‘valid’,

data_format=None,

dilation_rate=(1, 1),

groups=1,

activation=None,

use_bias=True,

kernel_initializer=‘glorot_uniform’,

bias_initializer=‘zeros’,

kernel_regularizer=None,

bias_regularizer=None,

activity_regularizer=None,

kernel_constraint=None,

bias_constraint=None,

**kwargs)

  • filters:过滤器数量,对应输出的通道数
  • kernel_size:过滤器的尺寸,好像网上大多数教程说2维卷积其尺寸是二维的,其实并不是:为了对通道数进行处理,过滤器的尺寸后面还加了一个维度,其维度值等于输入的通道数;加上filters,其真实维度为 [kernel_size_1, kernel_size_2, input_c, output_c]
  • stride:步幅;
  • padding:有两种取值,valid ,same。其意义和上面的一致;
  • dilation:卷积核分散计算;

dilation具体形式如图:

输入维度

image.png

输出维度 image.png image.png

Conv2DTranspose

tf.keras.layers.Conv2DTranspose(

filters,

kernel_size,

strides=(1, 1),

padding=‘valid’,

output_padding=None,

data_format=None,

dilation_rate=(1, 1),

activation=None,

use_bias=True,

kernel_initializer=‘glorot_uniform’,

bias_initializer=‘zeros’,

kernel_regularizer=None,

bias_regularizer=None,

activity_regularizer=None,

kernel_constraint=None,

bias_constraint=None,

**kwargs)

其参数和Conv2D基本一致,从矩阵的角度出发,卷积的实质还是矩阵运算,不过多了变形的步骤:

请添加图片描述

image.png

Conv2DTranspose 主要利用逆变换的方式

s=1, p=0, k=3 s=2, p=0, k=3 s=2, p=1, k=3

从图中可以看到,有些块被重复利用了,这会照成一种棋盘效应,图像中的某个部位要比其他部位颜色更深;这是上采样照成的一种负面效应,信息只是看起来增长了;

反卷积和棋盘伪影 — Deconvolution and Checkerboard Artifacts (distill.pub)

这里有两种解决办法:

  1. 使kernel size能够被stride整除;

前面关于棋盘效应产生的原因就提到了,当kernel size不能被stride整除时会出现这种问题,那一个直观的方法就是让它能够被整除。但是,有研究指出,即使这样也无法从根本避免这个问题,因为我们不知道网络学到了什么样的卷积权重,无法解决;

  1. 双线性插值+卷积;

这是一个有效的解决方法,双线性插值可以减小插值的像素和原输入像素值的大小差异,再进行卷积可以避免该问题产生,如下所示:

One approach is to make sure you use a kernel size that is divided by your stride, avoiding the overlap issue. This is equivalent to “sub-pixel convolution,” a technique which has recently had success in image super-resolution 8. However, while this approach helps, it is still easy for deconvolution to fall into creating artifacts.

Another approach is to separate out upsampling to a higher resolution from convolution to compute features. For example, you might resize the image (using nearest-neighbor interpolation or bilinear interpolation) and then do a convolutional layer. This seems like a natural approach, and roughly similar methods have worked well in image super-resolution (eg. 9).

两个概念:特征图,感受野;特征图指的是卷积层的输出;感受野指的是某层某一输出的值依赖于原输入的值的范围,可以得到随着卷积层变多,感受野越大;

池化层

池化层是下采样算法,其是为了解决图像特征太多导致过拟合的问题,同时可以降低模型的参数量;池化相当于用一个值去代表一个二维矩阵;

池化层分为局部池化和全局池化:局部池化是对图像某一局部用数值代替,全局池化是对图像用数值代替;

最大池化:用最大值去代替矩阵,平均池化:用平均值去代替矩阵;

tf.keras.layers.MaxPool2D(

pool_size=(2, 2),

strides=None,

padding=‘valid’,

data_format=None,

**kwargs,

)

tf.keras.layers.GlobalMaxPool2D(*args, **kwargs)

data_format 表示输入的维度的顺序,默认是 channels_last,对应 image.png ;还有一个 channels_first 对应 image.png ,其他参数的参数意义和卷积一样;

现代经典网络

下面博客对经典卷积神经网络进行了总结:经典卷积神经网络总结_卷积神经网络报告-CSDN博客

DenseNet + 数据增强

这里以猫狗数据集为例子

导入数据

import matplotlib.pyplot as plt
import tensorflow as tf
(x_train, y_train), (x_test, y_test) = tf.keras.datasets.cifar10.load_data()
# x_train.shape, y_train.shape, x_test.shape, y_test.shape
# ((50000, 32, 32, 3), (50000, 1), (10000, 32, 32, 3), (10000, 1))
index_name = {
    0:'airplane',
    1:'automobile',
    2:'bird',
    3:'cat',
    4:'deer',
    5:'dog',
    6:'frog',
    7:'horse',
    8:'ship',
    9:'truck'
}

建立数据集:

def process_data(img, label):
    img = tf.cast(img, tf.float32) / 255.0
    img = tf.image.random_crop(img, [28,28,3])
    img = tf.image.random_flip_up_down(img)
    img = tf.image.random_flip_left_right(img)
    img = tf.image.random_brightness(img, max_delta=0.5)
    return img, label
batch_size = 64
AUTOTUNE = tf.data.experimental.AUTOTUNE
train_data = tf.data.Dataset.from_tensor_slices((x_train, y_train))
test_data = tf.data.Dataset.from_tensor_slices((x_test, y_test))
train_data = train_data.map(process_data).batch(batch_size)
test_data = test_data.map(process_data).batch(batch_size)

自定义层

class Conv_block(tf.keras.layers.Layer):
    def __init__(self, filters):
        super(Conv_block, self).__init__()
        self.bn = tf.keras.layers.BatchNormalization(axis=3, epsilon=1e-6)
        self.conv_1 = tf.keras.layers.Conv2D(filters, 3, padding='same')
        self.conv_2 = tf.keras.layers.Conv2D(filters, 1, padding='same')
        self.concat = tf.keras.layers.Concatenate()
    def call(self, x):
        x = self.bn(x)
        x = tf.keras.activations.relu(x)
        x1 = self.conv_1(x)
        x2 = self.conv_2(x)
        x = self.concat([x1, x2])
        return x
class Transition_block(tf.keras.layers.Layer):
    def __init__(self, filters, stride):
        super(Transition_block, self).__init__()
        self.bn = tf.keras.layers.BatchNormalization(axis=3, epsilon=1e-6)
        self.conv = tf.keras.layers.Conv2D(filters, 3, padding='same')
        self.maxpool = tf.keras.layers.MaxPooling2D(padding='same', strides=2)
    def call(self, x):
        x = self.bn(x)
        x = tf.keras.activations.relu(x)
        x = self.conv(x)
        x = self.maxpool(x)
        return x
class Dense_block(tf.keras.layers.Layer):
    def __init__(self, filters, stride, blocks=3):
        super(Dense_block, self).__init__()
        self.conv_block_list = [Conv_block(filters) for _ in range(blocks)]
        self.transition_block = Transition_block(filters*2, stride)
    def call(self, x):
        for conv_block in self.conv_block_list:
            x = conv_block(x)
        x = self.transition_block(x)
        return x

建立模型:

class CustomModel(tf.keras.Model):
    def __init__(self, filters_list=[4,8,16]):
        super(CustomModel, self).__init__(self)
        self.dense_block_list = [Dense_block(filters, stride=2, blocks=3) for filters in filters_list]
        self.global_pool = tf.keras.layers.GlobalAveragePooling2D()
        self.dense_final = tf.keras.layers.Dense(10, activation='softmax')
        
    def call(self, x):
        for dense_block in self.dense_block_list:
            x = dense_block(x)
        x = self.global_pool(x)
        x = self.dense_final(x)
        return x
model = CustomModel()
model.compile(
    loss=tf.keras.losses.sparse_categorical_crossentropy,
    optimizer='adam',
    metrics=[tf.keras.metrics.sparse_categorical_accuracy]
)

开始训练:

model.fit(train_data, epochs=10)

训练结果

Epoch 1/10
782/782 [==============================] - 13s 13ms/step - loss: 1.9584 - sparse_categorical_accuracy: 0.2602 - val_loss: 1.8581 - val_sparse_categorical_accuracy: 0.2886
Epoch 2/10
782/782 [==============================] - 10s 13ms/step - loss: 1.7564 - sparse_categorical_accuracy: 0.3421 - val_loss: 1.8680 - val_sparse_categorical_accuracy: 0.3110
Epoch 3/10
782/782 [==============================] - 10s 13ms/step - loss: 1.6269 - sparse_categorical_accuracy: 0.3994 - val_loss: 1.5945 - val_sparse_categorical_accuracy: 0.4117
Epoch 4/10
782/782 [==============================] - 10s 13ms/step - loss: 1.5092 - sparse_categorical_accuracy: 0.4506 - val_loss: 1.4653 - val_sparse_categorical_accuracy: 0.4673
Epoch 5/10
782/782 [==============================] - 9s 12ms/step - loss: 1.4051 - sparse_categorical_accuracy: 0.4891 - val_loss: 1.4340 - val_sparse_categorical_accuracy: 0.4818
Epoch 6/10
782/782 [==============================] - 10s 12ms/step - loss: 1.3170 - sparse_categorical_accuracy: 0.5240 - val_loss: 1.3246 - val_sparse_categorical_accuracy: 0.5269
Epoch 7/10
782/782 [==============================] - 10s 13ms/step - loss: 1.2470 - sparse_categorical_accuracy: 0.5515 - val_loss: 1.3144 - val_sparse_categorical_accuracy: 0.5209
Epoch 8/10
782/782 [==============================] - 10s 12ms/step - loss: 1.1866 - sparse_categorical_accuracy: 0.5733 - val_loss: 1.2512 - val_sparse_categorical_accuracy: 0.5572
Epoch 9/10
782/782 [==============================] - 10s 13ms/step - loss: 1.1420 - sparse_categorical_accuracy: 0.5896 - val_loss: 1.1930 - val_sparse_categorical_accuracy: 0.5681
Epoch 10/10
782/782 [==============================] - 10s 13ms/step - loss: 1.1046 - sparse_categorical_accuracy: 0.6040 - val_loss: 1.1394 - val_sparse_categorical_accuracy: 0.5952


目录
相关文章
|
8天前
|
机器学习/深度学习 算法框架/工具 数据库
使用Python实现深度学习模型:智能城市噪音监测与控制
使用Python实现深度学习模型:智能城市噪音监测与控制
25 1
|
4天前
|
机器学习/深度学习 数据采集 传感器
使用Python实现深度学习模型:智能土壤质量监测与管理
使用Python实现深度学习模型:智能土壤质量监测与管理
110 69
|
3天前
|
机器学习/深度学习 数据采集 算法框架/工具
使用Python实现智能生态系统监测与保护的深度学习模型
使用Python实现智能生态系统监测与保护的深度学习模型
19 4
|
3天前
|
机器学习/深度学习 人工智能 算法
【车辆车型识别】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+算法模型
车辆车型识别,使用Python作为主要编程语言,通过收集多种车辆车型图像数据集,然后基于TensorFlow搭建卷积网络算法模型,并对数据集进行训练,最后得到一个识别精度较高的模型文件。再基于Django搭建web网页端操作界面,实现用户上传一张车辆图片识别其类型。
11 0
【车辆车型识别】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+算法模型
|
8天前
|
机器学习/深度学习 数据采集 传感器
使用Python实现深度学习模型:智能极端天气事件预测
使用Python实现深度学习模型:智能极端天气事件预测
37 3
|
13天前
|
机器学习/深度学习 数据可视化 TensorFlow
使用Python实现深度学习模型:智能天气预测与气候分析
使用Python实现深度学习模型:智能天气预测与气候分析
164 3
|
12天前
|
机器学习/深度学习 数据可视化 TensorFlow
使用Python实现深度学习模型:智能海洋监测与保护
使用Python实现深度学习模型:智能海洋监测与保护
47 1
|
4天前
|
机器学习/深度学习 数据采集 数据可视化
使用Python实现深度学习模型:智能废气排放监测与控制
使用Python实现深度学习模型:智能废气排放监测与控制
20 0
|
6天前
|
机器学习/深度学习 数据采集 API
使用Python实现深度学习模型:智能光污染监测与管理
使用Python实现深度学习模型:智能光污染监测与管理
14 0
|
6天前
|
安全 数据处理 开发者
Python中的多线程编程:从入门到精通
本文将深入探讨Python中的多线程编程,包括其基本原理、应用场景、实现方法以及常见问题和解决方案。通过本文的学习,读者将对Python多线程编程有一个全面的认识,能够在实际项目中灵活运用。