该系列文章是讲解Python OpenCV图像处理知识，前期主要讲解图像入门、OpenCV基础用法，中期讲解图像处理的各种算法，包括图像锐化算子、图像增强技术、图像分割等，后期结合深度学习研究图像识别、图像分类应用。希望文章对您有所帮助，如果有不足之处，还请海涵~

上一篇文章分享了生成对抗网络GAN的基础知识，包括什么是GAN、常用算法（CGAN、DCGAN、infoGAN、WGAN）、发展历程、预备知识，并通过Keras搭建最简答的手写数字图片生成案例。这篇文章将详细讲解如何利用Keras构建AlexNet和CNN模型，实现自定义数据集的图像分类，并进行详细的对比。希望对您有所帮助！让我们开始吧，且看且珍惜。

第二阶段我们进入了Python图像识别，该部分主要以目标检测、图像识别以及深度学习相关图像分类为主，将会分享近50篇文章，感谢您一如至往的支持。作者也会继续加油的！

文章目录

一.图像分类概述1.图像分类2.数据集二.基于NB的图像分类1.朴素贝叶斯分类算法2.代码实现3.结果评估三.基于CNN的图像分类1.卷积神经网络概念2.代码实现3.结果评估四.基于AlexNet的图像分类1.AlexNet模型2.代码实现3.结果评估五.总结

同时，该部分知识均为作者查阅资料撰写总结，并且开设成了收费专栏，为小宝赚点奶粉钱，感谢您的抬爱。如果有问题随时私聊我，只望您能从这个系列中学到知识，一起加油。代码下载地址（如果喜欢记得star，一定喔）：

/eastmountyxz/ImageProcessing-Python

图像识别：

[Python图像识别] 四十五.对象检测案例入门及ImageAI基础用法[Python图像识别] 四十六.图像预处理之图像去雾详解（ACE算法和暗通道先验去雾算法）[Python图像识别] 四十七.Keras深度学习构建CNN识别阿拉伯手写文字图像[Python图像识别] 四十八.Pytorch构建Faster-RCNN模型实现小麦目标检测[Python图像识别] 四十九.图像生成之什么是生成对抗网络GAN？基础原理和代码普及[Python图像识别] 五十.Keras构建Alexnet和CNN实现自定义数据集分类详解

图像处理：

[Python图像处理] 一.图像处理基础知识及OpenCV入门函数[Python图像处理] 二.OpenCV+Numpy库读取与修改像素[Python图像处理] 三.获取图像属性、兴趣ROI区域及通道处理[Python图像处理] 四.图像平滑之均值滤波、方框滤波、高斯滤波及中值滤波[Python图像处理] 五.图像融合、加法运算及图像类型转换[Python图像处理] 六.图像缩放、图像旋转、图像翻转与图像平移[Python图像处理] 七.图像阈值化处理及算法对比[Python图像处理] 八.图像腐蚀与图像膨胀[Python图像处理] 九.形态学之图像开运算、闭运算、梯度运算[Python图像处理] 十.形态学之图像顶帽运算和黑帽运算[Python图像处理] 十一.灰度直方图概念及OpenCV绘制直方图[Python图像处理] 十二.图像几何变换之图像仿射变换、图像透视变换和图像校正[Python图像处理] 十三.基于灰度三维图的图像顶帽运算和黑帽运算[Python图像处理] 十四.基于OpenCV和像素处理的图像灰度化处理[Python图像处理] 十五.图像的灰度线性变换[Python图像处理] 十六.图像的灰度非线性变换之对数变换、伽马变换[Python图像处理] 十七.图像锐化与边缘检测之Roberts算子、Prewitt算子、Sobel算子和Laplacian算子[Python图像处理] 十八.图像锐化与边缘检测之Scharr算子、Canny算子和LOG算子[Python图像处理] 十九.图像分割之基于K-Means聚类的区域分割[Python图像处理] 二十.图像量化处理和采样处理及局部马赛克特效[Python图像处理] 二十一.图像金字塔之图像向下取样和向上取样[Python图像处理] 二十二.Python图像傅里叶变换原理及实现[Python图像处理] 二十三.傅里叶变换之高通滤波和低通滤波[Python图像处理] 二十四.图像特效处理之毛玻璃、浮雕和油漆特效[Python图像处理] 二十五.图像特效处理之素描、怀旧、光照、流年以及滤镜特效[Python图像处理] 二十六.图像分类原理及基于KNN、朴素贝叶斯算法的图像分类案例[Python图像处理] 二十七.OpenGL入门及绘制基本图形（一）[Python图像处理] 二十八.OpenCV快速实现人脸检测及视频中的人脸[Python图像处理] 二十九.MoviePy视频编辑库实现抖音短视频剪切合并操作[Python图像处理] 三十.图像量化及采样处理万字详细总结（推荐）[Python图像处理] 三十一.图像点运算处理两万字详细总结（灰度化处理、阈值化处理）[Python图像处理] 三十二.傅里叶变换（图像去噪）与霍夫变换（特征识别）万字详细总结[Python图像处理] 三十三.图像各种特效处理及原理万字详解（毛玻璃、浮雕、素描、怀旧、流年、滤镜等）[Python图像处理] 三十四.数字图像处理基础与几何图形绘制万字详解（推荐）[Python图像处理] 三十五.OpenCV图像处理入门、算数逻辑运算与图像融合（推荐）[Python图像处理] 三十六.OpenCV图像几何变换万字详解（平移缩放旋转、镜像仿射透视）[Python图像处理] 三十七.OpenCV和Matplotlib绘制直方图万字详解（掩膜直方图、H-S直方图、黑夜白天判断）[Python图像处理] 三十八.OpenCV图像增强万字详解（直方图均衡化、局部直方图均衡化、自动色彩均衡化）[Python图像处理] 三十九.Python图像分类万字详解（贝叶斯图像分类、KNN图像分类、DNN图像分类）[Python图像处理] 四十.全网首发Python图像分割万字详解（阈值分割、边缘分割、纹理分割、分水岭算法、K-Means分割、漫水填充分割、区域定位）[Python图像处理] 四十一.Python图像平滑万字详解（均值滤波、方框滤波、高斯滤波、中值滤波、双边滤波）[Python图像处理] 四十二.Python图像锐化及边缘检测万字详解（Roberts、Prewitt、Sobel、Laplacian、Canny、LOG）[Python图像处理] 四十三.Python图像形态学处理万字详解（腐蚀膨胀、开闭运算、梯度顶帽黑帽运算）万字长文告诉新手如何学习Python图像处理 (上篇完结 四十四)

一.图像分类概述

1.图像分类

图像分类（Image Classification）是对图像内容进行分类的问题，它利用计算机对图像进行定量分析，把图像或图像中的区域划分为若干个类别，以代替人的视觉判断。

图像分类的传统方法是特征描述及检测，这类传统方法可能对于一些简单的图像分类是有效的，但由于实际情况非常复杂，传统的分类方法不堪重负。现在，广泛使用机器学习和深度学习的方法来处理图像分类问题，其主要任务是给定一堆输入图片，将其指派到一个已知的混合类别中的某个标签。

在图1中，图像分类模型将获取单个图像，并将为4个标签{cat，dog，hat，mug}分配对应的概率{0.6, 0.3, 0.05, 0.05}，其中0.6表示图像标签为猫的概率，其余类比。

如图1所示，该图像被表示为一个三维数组。在这个例子中，猫的图像宽度为248像素，高度为400像素，并具有红绿蓝三个颜色通道（通常称为RGB）。因此，图像由248×400×3个数字组成或总共297600个数字，每个数字是一个从0（黑色）到255（白色）的整数。图像分类的任务是将这接近30万个数字变成一个单一的标签，如“猫（cat）”。

那么，如何编写一个图像分类的算法呢？又怎么从众多图像中识别出猫呢？

这里所采取的方法和教育小孩看图识物类似，给出很多图像数据，让模型不断去学习每个类的特征。在训练之前，首先需要对训练集的图像进行分类标注，如图2所示，包括cat、dog、mug和hat四类。在实际工程中，可能有成千上万类别的物体，每个类别都会有上百万张图像。

图像分类是输入一堆图像的像素值数组，然后给它分配一个分类标签，通过训练学习来建立算法模型，接着使用该模型进行图像分类预测，具体流程如下：

输入：输入包含N个图像的集合，每个图像的标签是K种分类标签中的一种，这个集合称为训练集；学习：第二步任务是使用训练集来学习每个类的特征，构建训练分类器或者分类模型；评价：通过分类器来预测新输入图像的分类标签，并以此来评价分类器的质量。通过分类器预测的标签和图像真正的分类标签对比，从而评价分类算法的好坏。如果分类器预测的分类标签和图像真正的分类标签一致，表示预测正确，否则预测错误。

2.数据集

实验所采用的数据集为Sort_1000pics数据集，该数据集包含了1000张图片，总共分为10大类，分别是人（第0类）、沙滩（第1类）、建筑（第2类）、大卡车（第3类）、恐龙（第4类）、大象（第5类）、花朵（第6类）、马（第7类）、山峰（第8类）和食品（第9类），每类100张。如图11所示。

接着将所有各类图像按照对应的类标划分至“0”至“9”命名的文件夹中，如图12所示，每个文件夹中均包含了100张图像，对应同一类别。

比如，文件夹名称为“6”中包含了100张花的图像，如图13所示。

二.基于NB的图像分类

1.朴素贝叶斯分类算法

朴素贝叶斯分类（Naive Bayes Classifier）发源于古典数学理论，利用Bayes定理来预测一个未知类别的样本属于各个类别的可能性，选择其中可能性最大的一个类别作为该样本的最终类别。在朴素贝叶斯分类模型中，它将为每一个类别的特征向量建立服从正态分布的函数，给定训练数据，算法将会估计每一个类别的向量均值和方差矩阵，然后根据这些进行预测。

朴素贝叶斯分类模型的正式定义如下：

该算法的特点为：如果没有很多数据，该模型会比很多复杂的模型获得更好的性能，因为复杂的模型用了太多假设，以致产生欠拟合。

2.代码实现

下面是调用朴素贝叶斯算法进行图像分类的完整代码，调用sklearn.naive_bayes中的BernoulliNB()函数进行实验。它将1000张图像按照训练集为70%，测试集为30%的比例随机划分，再获取每张图像的像素直方图，根据像素的特征分布情况进行图像分类分析。

注意：机器学习代码是统计灰度直方图，再进行的图像分类预测。而后续深度学习采用读取图像像素，对其进行分类的。

# -*- coding: utf-8 -*-"""Created on Fri Apr 8 22:02:29 @author: xiuzhang"""import osimport cv2import numpy as npfrom sklearn.model_selection import train_test_splitfrom sklearn.metrics import confusion_matrix, classification_report#----------------------------------------------------------------------------------# 第一步 切分训练集和测试集#----------------------------------------------------------------------------------X = [] #定义图像名称Y = [] #定义图像分类类标Z = [] #定义图像像素for i in range(0, 10):#遍历文件夹，读取图片for f in os.listdir("data/%s" % i):#获取图像名称X.append("data//" +str(i) + "//" + str(f))#获取图像类标即为文件夹名称Y.append(i)X = np.array(X)Y = np.array(Y)#随机率为100% 选取其中的30%作为测试集X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size=0.3, random_state=1)print(len(X_train), len(X_test), len(y_train), len(y_test))#----------------------------------------------------------------------------------# 第二步 图像读取及转换为像素直方图#----------------------------------------------------------------------------------#训练集XX_train = []for i in X_train:#读取图像image = cv2.imread(i)#图像像素大小一致img = cv2.resize(image, (256,256),interpolation=cv2.INTER_CUBIC)#计算图像直方图并存储至X数组hist = cv2.calcHist([img], [0,1], None,[256,256], [0.0,255.0,0.0,255.0])XX_train.append(((hist/255).flatten()))#测试集XX_test = []for i in X_test:#读取图像image = cv2.imread(i)#图像像素大小一致img = cv2.resize(image, (256,256),interpolation=cv2.INTER_CUBIC)#计算图像直方图并存储至X数组hist = cv2.calcHist([img], [0,1], None,[256,256], [0.0,255.0,0.0,255.0])XX_test.append(((hist/255).flatten()))#----------------------------------------------------------------------------------# 第三步 基于朴素贝叶斯的图像分类处理#----------------------------------------------------------------------------------from sklearn.naive_bayes import BernoulliNBclf = BernoulliNB().fit(XX_train, y_train)predictions_labels = clf.predict(XX_test)print('预测结果:')print(predictions_labels)print('算法评价:')print(classification_report(y_test, predictions_labels,digits=4))#输出前10张图片及预测结果k = 0while k<10:#读取图像print(X_test[k])image = cv2.imread(X_test[k])print(predictions_labels[k])#显示图像cv2.imshow("img", image)cv2.waitKey(0)cv2.destroyAllWindows()k = k + 1

3.结果评估

输出结果如下所示：

700 300 700 300预测结果:[7 8 4 3 2 9 2 4 3 9 4 9 0 3 0 8 8 5 7 4 9 4 2 5 4 1 2 7 2 3 9 7 7 4 8 2 25 7 4 1 6 9 2 9 2 5 2 4 3 2 0 6 0 1 4 8 6 4 9 3 2 3 7 8 5 4 8 0 2 2 8 2 94 2 1 8 3 5 2 7 7 7 9 9 4 8 2 5 6 1 5 9 4 8 5 8 2 8 3 2 9 8 4 5 2 5 4 9 49 9 0 1 0 7 4 1 7 2 3 9 1 4 6 7 7 4 9 9 2 6 0 9 2 7 8 8 7 2 8 9 5 6 7 7 95 2 3 9 1 0 3 5 7 8 0 2 8 2 1 6 5 4 2 5 7 8 2 2 8 4 5 2 1 9 8 9 2 0 7 6 28 2 4 5 0 6 1 2 1 9 4 5 5 6 2 3 7 9 0 5 7 0 0 3 4 7 3 8 4 6 8 3 1 9 9 8 88 9 5 7 0 7 9 8 2 3 8 4 5 9 0 7 2 0 8 5 3 4 4 8 8 4 8 7 2 0 4 7 0 6 9 8 87 8 8 1 0 7 4 3 4 4 8 4 0 8 5 9 7 8 2 6 0 7 8 3 7 5 2 8 1 4 9 6 5 5 1 8 44 0 2 3]算法评价:precision recall f1-score support00.5000 0.3871 0.4364 3110.6471 0.3548 0.4583 3120.4651 0.7692 0.5797 2630.8095 0.5862 0.6800 2940.7692 0.9375 0.8451 3250.5714 0.4706 0.5161 3460.8667 0.4333 0.5778 3070.5588 0.7308 0.6333 2680.4773 0.6774 0.5600 3190.6571 0.7667 0.7077 30accuracy0.6067 300macro avg0.6322 0.6114 0.5994 300weighted avg0.6340 0.6067 0.5984 300

三.基于CNN的图像分类

1.卷积神经网络概念

卷积神经网络的英文是Convolutional Neural Network，简称CNN。它通常应用于图像识别和语音识等领域，并能给出更优秀的结果，也可以应用于视频分析、机器翻译、自然语言处理、药物发现等领域。著名的阿尔法狗让计算机看懂围棋就是基于卷积神经网络的。

神经网络是由很多神经层组成，每一层神经层中存在很多神经元，这些神经元是识别事物的关键，当输入是图片时，其实就是一堆数字。

首先，卷积是什么意思呢？

卷积是指不在对每个像素做处理，而是对图片区域进行处理，这种做法加强了图片的连续性，看到的是一个图形而不是一个点，也加深了神经网络对图片的理解。

卷积神经网络批量过滤器，持续不断在图片上滚动搜集信息，每一次搜索都是一小块信息，整理这一小块信息之后得到边缘信息。比如第一次得出眼睛鼻子轮廓等，再经过一次过滤，将脸部信息总结出来，再将这些信息放到全神经网络中进行训练，反复扫描最终得出的分类结果。如下图所示，猫的一张照片需要转换为数学的形式，这里采用长宽高存储，其中黑白照片的高度为1，彩色照片的高度为3(RGB)。

过滤器搜集这些信息，将得到一个更小的图片，再经过压缩增高信息嵌入到普通神经层上，最终得到分类的结果，这个过程即是卷积。Convnets是一种在空间上共享参数的神经网络，如下图所示，它将一张RGB图片进行压缩增高，得到一个很长的结果。

一个卷积网络是组成深度网络的基础，我们将使用数层卷积而不是数层的矩阵相乘。如上图所示，让它形成金字塔形状，金字塔底是一个非常大而浅的图片，仅包括红绿蓝，通过卷积操作逐渐挤压空间的维度，同时不断增加深度，使深度信息基本上可以表示出复杂的语义。同时，你可以在金字塔的顶端实现一个分类器，所有空间信息都被压缩成一个标识，只有把图片映射到不同类的信息保留，这就是CNN的总体思想。

2.代码实现

CNN代码如下所示：

# -*- coding: utf-8 -*-"""Created on Fri Apr 8 22:01:24 @author: xiuzhang"""import osimport cv2import numpy as npimport matplotlib.pyplot as pltfrom sklearn.model_selection import train_test_splitfrom sklearn.metrics import confusion_matrix, classification_reportfrom keras.utils import np_utilsfrom keras.models import Sequentialfrom keras.layers import Dense, Activation, BatchNormalization, Dropoutfrom keras.layers import Conv2D, MaxPooling2D, GlobalAveragePooling2Dfrom keras.callbacks import ModelCheckpointfrom keras.callbacks import EarlyStopping#-----------------------------------------------------------------------# 第一步 切分训练集和测试集#-----------------------------------------------------------------------X = [] #定义图像名称Y = [] #定义图像分类类标Z = [] #定义图像像素for i in range(0, 10):#遍历文件夹，读取图片for f in os.listdir("data/%s" % i):#获取图像名称X.append("data//" +str(i) + "//" + str(f))#获取图像类标即为文件夹名称Y.append(i)X = np.array(X)Y = np.array(Y)#随机率为100% 选取其中的30%作为测试集X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size=0.3, random_state=1)print(len(X_train), len(X_test), len(y_train), len(y_test))#------------------------------------------------------------------------# 第二步 图像读取及转换为像素直方图#------------------------------------------------------------------------#训练集XX_train = []for i in X_train:image = cv2.imread(i)img = cv2.resize(image,(128,128),interpolation=cv2.INTER_CUBIC)res = img.astype('float32')/255.0#print(img)#print(img.shape) #(256, 256, 3)#print(res)XX_train.append(res) #测试集XX_test = []for i in X_test:image = cv2.imread(i)img = cv2.resize(image,(128,128),interpolation=cv2.INTER_CUBIC)res = img.astype('float32')/255.0XX_test.append(res)train_images_scaled = np.array(XX_train)test_images_scaled = np.array(XX_test)for n in train_images_scaled:print(n)breakprint(type(train_images_scaled))print(train_images_scaled.shape,test_images_scaled.shape)# <class 'numpy.ndarray'># (700, 256, 256, 3) (300, 256, 256, 3)#将类向量转化为类矩阵 [0 0 0 0 0 1 0 0 0 0]train_labels_encoded = np_utils.to_categorical(y_train, num_classes=10)test_labels_encoded = np_utils.to_categorical(y_test, num_classes=10)print(train_labels_encoded.shape, test_labels_encoded.shape)#---------------------------------------------------------------------# 第三步 CNN模型设计#---------------------------------------------------------------------#定义模型def create_model(optimizer='adam', kernel_initializer='he_normal', activation='relu'):model = Sequential()model.add(Conv2D(filters=128, kernel_size=16, padding='same', input_shape=(128, 128, 3), activation=activation))model.add(MaxPooling2D(pool_size=16))model.add(Dropout(0.3))model.add(GlobalAveragePooling2D())model.add(Dense(10, activation='softmax'))pile(loss='categorical_crossentropy', metrics=['accuracy'],optimizer=optimizer)return model#创建模型model = create_model(optimizer='Adam', kernel_initializer='uniform', activation='relu')model.summary()#----------------------------------------------------------------# 第四步 模型绘制#----------------------------------------------------------------from keras.utils.vis_utils import plot_modelfrom IPython.display import Image as IPythonImageplot_model(model, to_file="model.png", show_shapes=True)display(IPythonImage('model.png'))#绘制图形def plot_loss_accuracy(history):# Loss plt.figure(figsize=[8,6])plt.plot(history.history['loss'],'r',linewidth=3.0)plt.plot(history.history['val_loss'],'b',linewidth=3.0)plt.legend(['Training loss', 'Validation Loss'],fontsize=18)plt.xlabel('Epochs ',fontsize=16)plt.ylabel('Loss',fontsize=16)plt.title('Loss Curves',fontsize=16)# Accuracy plt.figure(figsize=[8,6])plt.plot(history.history['accuracy'],'r',linewidth=3.0)plt.plot(history.history['val_accuracy'],'b',linewidth=3.0)plt.legend(['Training Accuracy', 'Validation Accuracy'],fontsize=18)plt.xlabel('Epochs ',fontsize=16)plt.ylabel('Accuracy',fontsize=16)plt.title('Accuracy Curves',fontsize=16) #混淆矩阵def get_predicted_classes(model, data, labels=None):image_predictions = model.predict(data)predicted_classes = np.argmax(image_predictions, axis=1)true_classes = np.argmax(labels, axis=1)return predicted_classes, true_classes, image_predictionsdef get_classification_report(y_true, y_pred):print(classification_report(y_true, y_pred, digits=4)) #小数点4位checkpointer = ModelCheckpoint(filepath='weights-cnn.hdf5', verbose=1, save_best_only=True)#EarlyStopping(monitor='val_loss',min_delta=0.0005)#----------------------------------------------------------------# 第五步 模型训练测试#----------------------------------------------------------------flag = "test" if flag=="train":history = model.fit(train_images_scaled, train_labels_encoded,validation_data=(test_images_scaled,test_labels_encoded),epochs=15, batch_size=64, callbacks=[checkpointer])print(history)plot_loss_accuracy(history)else:#加载具有最佳验证损失的模型model.load_weights('weights-cnn.hdf5')metrics = model.evaluate(test_images_scaled, test_labels_encoded, verbose=1)print("Test Accuracy: {}".format(metrics[1]))print("Test Loss: {}".format(metrics[0]))y_pred, y_true, image_predictions = get_predicted_classes(model, test_images_scaled, test_labels_encoded)get_classification_report(y_true, y_pred)

3.结果评估

生成的模型如下所示：

评估结果如下：

700 300 700 300<class 'numpy.ndarray'>(700, 128, 128, 3) (300, 128, 128, 3)(700, 10) (300, 10)Model: "sequential_7"_________________________________________________________________Layer (type) Output Shape Param # =================================================================conv2d_7 (Conv2D) (None, 128, 128, 128)98432_________________________________________________________________max_pooling2d_7 (MaxPooling2 (None, 8, 8, 128) 0 _________________________________________________________________dropout_7 (Dropout)(None, 8, 8, 128) 0 _________________________________________________________________global_average_pooling2d_7 ( (None, 128)0 _________________________________________________________________dense_7 (Dense) (None, 10)1290=================================================================Total params: 99,722Trainable params: 99,722Non-trainable params: 0_________________________________________________________________10/10 [==============================] - 7s 632ms/step - loss: 1.3755 - accuracy: 0.5533Test Accuracy: 0.5533333420753479Test Loss: 1.3755393028259277precision recall f1-score support00.4737 0.5806 0.5217 3110.4783 0.3548 0.4074 3120.5882 0.3846 0.4651 2631.0000 0.6207 0.7660 2940.5167 0.9688 0.6739 3250.3556 0.4706 0.4051 3460.6000 0.6000 0.6000 3070.8462 0.8462 0.8462 2680.4091 0.2903 0.3396 3190.6190 0.4333 0.5098 30accuracy0.5533 300macro avg0.5887 0.5550 0.5535 300weighted avg0.5789 0.5533 0.5476 300

四.基于AlexNet的图像分类

1.AlexNet模型

从严格意义上讲，卷积网络模型的开山之作应该是LeNet，由深度学习三巨头之一的杨立坤（Yann LeCun）在1998年提出来的，用来解决手写数字识别问题，但是由于年代久远，而且由于当时算力有限，深度学习一直没有得到发展，直到AlexNet分类网络横空出世，首次证明学习到的特征，可以远远超过人工设计的特征，一举颠覆了计算机视觉研究方向，在ImageNet大赛上一举夺魁，遥遥领先传统分类方法！

—— 知乎 大橙子老师

推荐大家阅读三位老师的博客：

https://d2l.ai/chapter_convolutional-modern/alexnet.html【图像分类】 一文读懂AlexNet妈妈再不担心系列之图像分类——AlexNet（详细代码）

AlexNet模型如下图所示，推荐大家阅读论文原文。结构包括：

8层网络：5个卷积和3个全连接AlexNet第一层中的卷积核shape为11x11，第二层的卷积核形状缩小到5x5，之后全部采用3x3的卷积核所有的池化层窗口大小为3x3，步长为2，最大池化采用Relu激活函数，代替sigmoid，梯度计算更简单，模型更容易训练采用Dropout来控制模型复杂度，防止过拟合采用大量图像增强技术，比如翻转、裁剪和颜色变化，扩大数据集，防止过拟合

Keras核心代码如下：

2.代码实现

# -*- coding: utf-8 -*-"""Created on Fri Apr 8 22:01:24 @author: xiuzhang"""import osimport cv2import numpy as npimport matplotlib.pyplot as pltfrom sklearn.model_selection import train_test_splitfrom sklearn.metrics import confusion_matrix, classification_reportfrom keras.utils import np_utilsfrom keras.models import Sequentialfrom keras.layers import Dense, Activation, BatchNormalization, Dropout, Flattenfrom keras.layers import Conv2D, MaxPooling2D, GlobalAveragePooling2Dfrom keras.callbacks import ModelCheckpoint#GPU加速import osimport tensorflow as tfos.environ["CUDA_DEVICES_ORDER"] = "PCI_BUS_IS"os.environ["CUDA_VISIBLE_DEVICES"] = "0"#指定了每个GPU进程中使用显存的上限,0.9表示可以使用GPU 90%的资源进行训练gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.8)sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options))#-----------------------------------------------------------------------# 第一步 切分训练集和测试集#-----------------------------------------------------------------------X = [] #定义图像名称Y = [] #定义图像分类类标Z = [] #定义图像像素for i in range(0, 10):#遍历文件夹，读取图片for f in os.listdir("data/%s" % i):#获取图像名称X.append("data//" +str(i) + "//" + str(f))#获取图像类标即为文件夹名称Y.append(i)X = np.array(X)Y = np.array(Y)#随机率为100% 选取其中的30%作为测试集X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size=0.3, random_state=1)print(len(X_train), len(X_test), len(y_train), len(y_test))#------------------------------------------------------------------------# 第二步 图像读取及转换为像素直方图#------------------------------------------------------------------------#训练集XX_train = []for i in X_train:image = cv2.imread(i)img = cv2.resize(image,(224,224),interpolation=cv2.INTER_CUBIC)res = img.astype('float32')/255#print(img)#print(img.shape) #(256, 256, 3)#print(res)XX_train.append(res)#测试集XX_test = []for i in X_test:image = cv2.imread(i)img = cv2.resize(image,(224,224),interpolation=cv2.INTER_CUBIC)res = img.astype('float32')/255XX_test.append(res)train_images_scaled = np.array(XX_train)test_images_scaled = np.array(XX_test)print(type(train_images_scaled))print(train_images_scaled.shape,test_images_scaled.shape)# <class 'numpy.ndarray'># (700, 256, 256, 3) (300, 256, 256, 3)#将类向量转化为类矩阵 [0 0 0 0 0 1 0 0 0 0]train_labels_encoded = np_utils.to_categorical(y_train, num_classes=10)test_labels_encoded = np_utils.to_categorical(y_test, num_classes=10)print(train_labels_encoded.shape, test_labels_encoded.shape)#---------------------------------------------------------------------# 第三步 AlexNet模型设计#---------------------------------------------------------------------#定义模型def create_model(optimizer='adam', kernel_initializer='he_normal', activation='relu'):#第一层卷积#卷积核数量96 尺寸11*11 步长4 激活函数relu#最大池化 尺寸3*3，步长2model = Sequential()model.add(Conv2D(filters=96, kernel_size=11, strides=4,input_shape=(224, 224, 3), activation=activation))model.add(MaxPooling2D(pool_size=3, strides=2))#第二层卷积#卷积核数量256 尺寸5*5 激活函数relu same卷积#最大池化 尺寸3*3，步长2model.add(Conv2D(filters=256, kernel_size=5, padding='same',activation=activation))model.add(MaxPooling2D(pool_size=3, strides=2))#第三层卷积#卷积核数量384 尺寸3 激活函数relu same卷积model.add(Conv2D(filters=384, kernel_size=3, padding='same',activation=activation))#第四层卷积#卷积核数量384 尺寸3 激活函数relu same卷积model.add(Conv2D(filters=384, kernel_size=3, padding='same',activation=activation))#第五层卷积#卷积核数量256 尺寸3 激活函数relu same卷积#最大池化 尺寸3*3，步长2model.add(Conv2D(filters=256, kernel_size=3, padding='same',activation=activation))model.add(MaxPooling2D(pool_size=3, strides=2))#展平特征图model.add(Flatten())#第一个全连接 4096神经元 relumodel.add(Dense(4096, activation='relu'))model.add(Dropout(0.5))#第二个全连接 4096神经元 relumodel.add(Dense(4096, activation='relu'))model.add(Dropout(0.5))#第二个全连接 输出10类结果model.add(Dense(10, activation='softmax'))#损失函数定义pile(loss='categorical_crossentropy', metrics=['accuracy'], optimizer=optimizer)return model#创建模型model = create_model(optimizer='Adam', kernel_initializer='uniform', activation='relu')model.summary()#----------------------------------------------------------------# 第四步 模型绘制#----------------------------------------------------------------from keras.utils.vis_utils import plot_modelfrom IPython.display import Image as IPythonImageplot_model(model, to_file="AlexNet-model.png", show_shapes=True)display(IPythonImage('AlexNet-model.png'))#绘制图形def plot_loss_accuracy(history):# Loss plt.figure(figsize=[8,6])plt.plot(history.history['loss'],'r',linewidth=3.0)plt.plot(history.history['val_loss'],'b',linewidth=3.0)plt.legend(['Training loss', 'Validation Loss'],fontsize=18)plt.xlabel('Epochs ',fontsize=16)plt.ylabel('Loss',fontsize=16)plt.title('Loss Curves',fontsize=16)# Accuracy plt.figure(figsize=[8,6])plt.plot(history.history['accuracy'],'r',linewidth=3.0)plt.plot(history.history['val_accuracy'],'b',linewidth=3.0)plt.legend(['Training Accuracy', 'Validation Accuracy'],fontsize=18)plt.xlabel('Epochs ',fontsize=16)plt.ylabel('Accuracy',fontsize=16)plt.title('Accuracy Curves',fontsize=16) #混淆矩阵def get_predicted_classes(model, data, labels=None):image_predictions = model.predict(data)predicted_classes = np.argmax(image_predictions, axis=1)true_classes = np.argmax(labels, axis=1)return predicted_classes, true_classes, image_predictionsdef get_classification_report(y_true, y_pred):print(classification_report(y_true, y_pred, digits=4)) #小数点4位checkpointer = ModelCheckpoint(filepath='weights-AlexNet.hdf5', verbose=1, save_best_only=True)#----------------------------------------------------------------# 第五步 模型训练测试#----------------------------------------------------------------flag = "train" if flag=="train":history = model.fit(train_images_scaled, train_labels_encoded,validation_data=(test_images_scaled,test_labels_encoded),epochs=15, batch_size=20, verbose=1, callbacks=[checkpointer])print(history)plot_loss_accuracy(history)else:#加载具有最佳验证损失的模型model.load_weights('weights-AlexNet.hdf5')metrics = model.evaluate(test_images_scaled, test_labels_encoded, verbose=1)print("Test Accuracy: {}".format(metrics[1]))print("Test Loss: {}".format(metrics[0]))y_pred, y_true, image_predictions = get_predicted_classes(model, test_images_scaled, test_labels_encoded)get_classification_report(y_true, y_pred)

3.结果评估

输出结果如下图所示：

700 300 700 300<class 'numpy.ndarray'>(700, 224, 224, 3) (300, 224, 224, 3)(700, 10) (300, 10)Model: "sequential_12"_________________________________________________________________Layer (type) Output Shape Param # =================================================================conv2d_28 (Conv2D) (None, 54, 54, 96) 34944_________________________________________________________________max_pooling2d_20 (MaxPooling (None, 26, 26, 96) 0 _________________________________________________________________conv2d_29 (Conv2D) (None, 26, 26, 256) 614656 _________________________________________________________________max_pooling2d_21 (MaxPooling (None, 12, 12, 256) 0 _________________________________________________________________conv2d_30 (Conv2D) (None, 12, 12, 384) 885120 _________________________________________________________________conv2d_31 (Conv2D) (None, 12, 12, 384) 1327488 _________________________________________________________________conv2d_32 (Conv2D) (None, 12, 12, 256) 884992 _________________________________________________________________max_pooling2d_22 (MaxPooling (None, 5, 5, 256) 0 _________________________________________________________________flatten_1 (Flatten)(None, 6400) 0 _________________________________________________________________dense_11 (Dense) (None, 4096) 26218496 _________________________________________________________________dropout_10 (Dropout) (None, 4096) 0 _________________________________________________________________dense_12 (Dense) (None, 4096) 16781312 _________________________________________________________________dropout_11 (Dropout) (None, 4096) 0 _________________________________________________________________dense_13 (Dense) (None, 10)40970=================================================================Total params: 46,787,978Trainable params: 46,787,978Non-trainable params: 0_________________________________________________________________10/10 [==============================] - 5s 402ms/step - loss: 1.1930 - accuracy: 0.6300Test Accuracy: 0.6299999952316284Test Loss: 1.1930060386657715precision recall f1-score support00.4583 0.3548 0.4000 3110.4865 0.5806 0.5294 3120.3571 0.1923 0.2500 2630.5909 0.8966 0.7123 2940.8857 0.9688 0.9254 3250.6279 0.7941 0.7013 3460.8621 0.8333 0.8475 3070.7333 0.8462 0.7857 2680.5833 0.2258 0.3256 3190.5312 0.5667 0.5484 30accuracy0.6300 300macro avg0.6116 0.6259 0.6026 300weighted avg0.6145 0.6300 0.6061 300

AlexNet模型绘制如下：

PS：模型绘制plot_model部分代码可以注释，需要读者自行安装插件。

五.总结

写到这里，这篇文章就介绍结束了，希望对您有所帮助。最后比较下性能。

NB：P-0.6340、R-0.6067、F-0.5984CNN：P-0.5789、R-0.5533、F-0.5476Alexnet：P-0.6145、R-0.6300、F-0.6061

同时，您在开展图像分类研究或使用上述代码时，可能存在如下问题：

为什么机器学习效果比深度学习好？

个人感觉和数据集相关，100x10张图片比价少，无法发挥深度学习优势为什么机器学习用直方图，而深度学习用全像素？

读者可以进行不同类型的对比，机器学习感觉适用于小规模数据集，像素计划会将相似图像划分，但存在噪声较大；真实的分类应该按照图像的各像素特征学习实现，因此深度学习会更好，适用于全像素图像增强对图像分类有用吗？

有用的，图像增强能获得更高质量得原始图像，提升分类效果如果图像比较少，怎么办呢？

读者可以进行图像扩充和增强，比如旋转、翻转、移动等处理，从而扩充数据集。如何对卷积神经网络进行调参呢？

参考下图，部分方法还是适用的，具体需要结合你的论文或延吉调整。

目录：

一.图像分类概述

1.图像分类

2.数据集二.基于NB的图像分类

1.朴素贝叶斯分类算法

2.代码实现

3.结果评估三.基于CNN的图像分类

1.卷积神经网络概念

2.代码实现

3.结果评估四.基于AlexNet的图像分类

1.AlexNet模型

2.代码实现

3.结果评估五.总结

希望您喜欢这篇文章，从看视频到撰写代码，我真的写了一周时间，再次感谢参考文献的老师们。真心希望这篇文章对您有所帮助，加油！今年闭关搞论文，非诚勿扰，如果有时间就会在CSDN分享更多高质量的文章和专栏，继续加油，感恩前行！

(By:Eastmount -04-10 夜于贵阳 /eastmount/ )