二分类与多分类图像分类

使用 PyTorch 进行图像深度学习

Michal Oleszak

Machine Learning Engineer

我们将用 PyTorch 学什么？

先修知识

卷积神经网络（CNN）
在 PyTorch 中训练模型
先修课程：Intermediate Deep Learning with PyTorch

PyTorch 库

torchvision

PyTorch 库

torchvision

PyTorch 库

torchvision

PyTorch 库

torchvision

图像分类

二分类

binary

两个类别（猫、狗）
激活函数：Sigmoid

多分类

multi-class

多个类别（船、火车、汽车）
激活函数：Softmax
概率最高者为预测结果

卷积神经网络（CNN）模型

卷积神经网络示意图

卷积神经网络（CNN）模型

二分类示意图

卷积神经网络（CNN）模型

二分类示意图

卷积神经网络（CNN）模型

二分类示意图

卷积神经网络（CNN）模型

二分类示意图

数据集：类别标签

图像文件夹

from torchvision import datasets
import torchvision.transforms as transforms


train_dir = '/data/train'
train_dataset = ImageFolder(root=train_dir,
         transform=transforms.ToTensor())

classes = train_dataset.classes
print(classes)

['cat', 'dog']

print(train_dataset.class_to_idx)

{'cat': 0, 'dog': 1}

二分类图像：卷积层

Conv2d():
- 输入：3 个 RGB 通道（红、绿、蓝）
- 输出：16 个通道
- 卷积核：3×3 矩阵
- 步幅 = 1：卷积核每次移动 1 步
- 填充 = 1：边缘各加 1 像素
ReLU():
- 非线性激活函数
MaxPool2d():
- 核大小：2×2
- 步幅：2

class BinaryCNN(nn.Module):
    def __init__(self):
        super(BinaryCNN, self).__init__()

        self.conv1 = nn.Conv2d(3, 16,
                kernel_size=3, stride=1, padding=1)

        self.relu = nn.ReLU()

        self.pool = nn.MaxPool2d(kernel_size=2, 
                     stride=2)




   def forward(self, x):



        return x

二分类图像：全连接层

Flatten():
- 将张量展平为 1D 向量
Linear():
- 输入：特征图 × 高 × 宽
- 输出：单一类别
Sigmoid():
- 取值范围：[0,1]

class BinaryCNN(nn.Module):
    def __init__(self):
        super(BinaryCNN, self).__init__()
        self.conv1 = nn.Conv2d(3, 16,
                kernel_size=3, stride=1, padding=1)
        self.relu = nn.ReLU()
        self.pool = nn.MaxPool2d(kernel_size=2, 
                     stride=2)

        self.flatten = nn.Flatten()

        self.fc1 = nn.Linear(16 * 112 * 112, 1)

        self.sigmoid = nn.Sigmoid()

   def forward(self, x):

        x = self.pool(self.relu(self.conv1(x)))
        x = self.fc1(self.flatten(x))
        x = self.sigmoid(x)]

        return x

CNN 的多分类图像分类

class MultiClassCNN(nn.Module):
    def __init__(self, num_classes):
        super(MultiClassCNN, self).__init__()
        ...

        self.fc = nn.Linear(16 * 112 * 112, num_classes)

        self.softmax = nn.Softmax(dim=1)

    def forward(self, x):
        ...

        x = self.softmax(x)

        return x

Passons à la pratique !

使用 PyTorch 进行图像深度学习