二元與多類別影像分類

使用 PyTorch 進行影像深度學習

Michal Oleszak

Machine Learning Engineer

用 PyTorch 會學到什麼？

tasks

用 PyTorch 會學到什麼？

tasks

用 PyTorch 會學到什麼？

tasks

用 PyTorch 會學到什麼？

tasks

先修需求

卷積神經網路
在 PyTorch 中訓練模型
先修課程：Intermediate Deep Learning with PyTorch

PyTorch 函式庫

torchvision

PyTorch 函式庫

torchvision

PyTorch 函式庫

torchvision

PyTorch 函式庫

torchvision

影像分類

二元分類

binary

兩個類別（貓、狗）
啟用函式：Sigmoid

多類別分類

multi-class

多個類別（船、火車、汽車）
啟用函式：Softmax
最高機率作為預測

卷積神經網路模型

cnn

卷積神經網路模型

binary

卷積神經網路模型

binary

卷積神經網路模型

binary

卷積神經網路模型

binary

資料集：類別標籤

image folders

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}

二元影像分類：卷積層

Conv2d():
- 輸入：3 個 RGB 通道（red、green、blue）
- 輸出：16 個通道
- 卷積核：3 x 3 矩陣
- 步幅 = 1：卷積核移動 1 格
- 邊界補零 = 1：邊緣各 1 像素
ReLU():
- 非線性啟用函式
MaxPool2d():
- 卷積核：2x2
- 步幅：2 格

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

二元影像分類：全連接層

Flatten():
- 將張量攤平成 1 維向量
Linear():
- 輸入：特徵圖 x 高 x 寬
- 輸出：單一類別
Sigmoid():
- [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

使用 CNN 的多類別影像分類

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

一起來練習吧！

使用 PyTorch 進行影像深度學習