基于keras的卷积神经网络的图像分类算法研究.docxVIP

?

?

基于keras的卷积神经网络的图像分类算法研究

?

?

杨梦卓郭梦洁方亮

摘要：当前卷积神经网络应用于图像识别已成为研究的热点之一。相比于Tensorflow，Keras使用最少的程序代码、花费最少的时间就可以建立深度学习模型，进行训练、评估准确率，并进行预测。在Python的环境下输入CIFAR-10数据集，对图片进行归一化、数据增强等预处理后，利用Keras构造改进的VGG16卷积神经网络结构对CIFAR-10图像数据集进行建模和预测，最后通过比较不同的BatchSize来比较不同模型的准确率和损失，实验结果表明当BatchSize为128，CIFAR-10数据集识别正确率达到89%，明显高于其他方法。

关键词：VGG16;卷积神经网络;深度学习;Keras;图像识别

：TP751?：A

1keras简介

Keras是一个开放源码的高级深度学习程序库，它的设计参考了Torch，用Python语言编写，支持GPU和CPU，是一个高度模块化的神经网络库。目前Keras提供了两种后端引擎：Theano与TensorFlow，在二者之上，Keras提供了可以让用户更专注于模型设计并更快进行模型实验的API。这些API以模块的形式封装了来自Tensorflow和Theano的诸多小的组件，所以使用这两者能够搭建的网络也可以通过Keras进行搭建，并且基本上没有性能损失。使用Keras框架最大的好处是在搭建新的网络结构时能够能够节约更多的时间。

2相关算法

2.1卷积神经网络（CNN）

卷积神经网络（ConvolutionalNeuralNetwork，CNN或ConvNet）属于前馈神经网络，一般是通过卷积层、汇聚层和全连接层交叉堆叠而成，基于反向传播算法进行训练，最早主要用来处理图像信息。当使用全连接前馈神经网络训练图像时，会产生参数太多、很难提取局部不变特征的问题。而卷积神经网络有局部连接，权重共享和等变表示三个结构上的特点。因此这些特性使得卷积神经网络具有一定程度上的平移、缩放和旋转不变性。

2.2VGGNet卷积网络模型

VGGNet模型对卷积神经网络的深度与其性能之间的关系进行了探索，网络的结构非常简洁，它的整个网络中全部使用了大小相同的卷积核（3×3）和最大池化核（2×2）。通过重复堆叠的方式，使用这些卷积层和最大池化层成功的搭建了11～19层深的卷积神经网络。根据网络深度的不同以及是否使用LRN，VGGNet可以分为A～E6个级别。如表1所示为VGGNet各级别的网络结构表。

由表1可以看出，VGGNet拥有5段卷积，每一段卷积内都有一定数量的卷积层（或一个或四个），所以是5阶段卷积特征提取。每一段卷积之后都有一个max-pool层，这些最大池化层被用来缩小图片的尺寸。并且同一段内的卷积层拥有相同的卷积核数，之后每增加一段，该段内卷积层的卷积核就增长一倍。

3卷积神经网在CIFAR-10数据集上的应用

3.1CIFAR-10数据集

CIFAR-10是一个图像数据集，是用于普通物体识别的小型数据集，最初是由Alex及其团队收集而来。CIFAR-10中有60000张彩色图片，每张图片的大小是32x32，60000张图片中有50000张用于训练，10000张图片用于测试，分别有五个训练块、一个测试块。图片的内容标签分为10类，每张图片的标签唯一，每一类图片的个数都是6000张。

3.2改进的VGG16模型的结构设计

本文采用的模型是在VGG16模型基础上做的改进，使用固定尺寸的小卷积核（3×3），两层卷积层搭配一层池化层，使用VGG16的前三个卷积池化结构：以2的幂次递增卷积核数量（64，128，256），全连接层没有采用VGG16庞大的三层结构，避免运算量过大，卷积层输出直接上10分类的SoftmaxClassifier，权重初始化采用HeNormal，而没有采用Xavier，并且加入Drop层，防止模型过度拟合。

3.3模型訓练过程

3.3.1图像预处理

图像预处理阶段分三步进行，第1阶段合并全部50000张训练图片及其标签将像素灰度值归一化;第2阶段对数据集进行图像增强;第3阶段将标签进行One-Hot编码，以达到使用Softmax进行预测的目的;第四阶段导出预处理后的训练数据。

3.3.2利用Keras建立模型

导入Keras的相关模块，基于Keras构造上述模型，summary（）查看的模型的完整结构如图1所示。

第一段卷积网络是由2个卷积层和1个最大池化层构成。这两个卷积层的卷积核的大小都是3×3，同时卷积核数量也均为64，步长为1×1。第一个卷积层的输入input的尺寸为32×32×3，输出尺寸为32×32×64;而第二个卷