【技术博客】基于AlexNet网络的垃圾分类

AlexNet

AlexNet模型来源于论文-ImageNet Classification with Deep Convolutional Neural Networks，作者Alex Krizhevsky，Ilya Sutskever，Geoffrey E.Hinton.
AlexNet在ImageNet LSVRC-2012较量中，达到最低的15.3%的Top-5错误率，比第二名低10.8个百分点。

网络结构

AlexNet蕴含八层，前五层是卷积层，最初三层是全连贯层。它应用了ReLU激活函数，显示出比tabh和sigmoid更好的训练性能。

论文中的图比拟形象，不便于剖析构造，上面提供一个更直观的结构图。

参考链接：Netscope

• 第一层（卷积层）

输出数据：227×227×3
卷积核：11×11×3；步长：4；数量：96
卷积后数据：55×55×96
relu后的数据：55×55×96
Max pool的核：3×3，步长：2
Max pool后的数据：27×27×96
norm1：local_size=5 （LRN(Local Response Normalization） 部分响应归一化）
最初的输入：27×27×96

• 第二层（卷积层）

输出数据：27×27×96
卷积核：5×5；步长：1；数量：256
卷积后数据：27×27×256 （做了Same padding（雷同补白），使得卷积后图像大小不变。）
relu2后的数据：27×27×256
Max pool2的核：3×3，步长：2
Max pool2后的数据：13×13×256 （（27-3）/2+1=13 ）
norm2：local_size=5 （LRN(Local Response Normalization） 部分响应归一化）
最初的输入：13×13×256

• 第三层（卷积层）

输出数据：13×13×256
卷积核：3×3；步长：1；数量（也就是输入个数）：384
卷积后数据：13×13×384 （做了Same padding（雷同补白），使得卷积后图像大小不变。）
relu3后的数据：13×13×384
最初的输入：13×13×384
第三层没有Max pool层和norm层

• 第四层（卷积层）

输出数据：13×13×384
卷积核：3×3；步长：1；数量（也就是输入个数）：384
卷积后数据：13×13×384 （做了Same padding（雷同补白），使得卷积后图像大小不变。）
relu4后的数据：13×13×384
最初的输入：13×13×384
第四层没有Max pool层和norm层

• 第五层（卷积层）

输出数据：13×13×384
卷积核：3×3；步长：1；数量（也就是输入个数）：256
卷积后数据：13×13×256 （做了Same padding（雷同补白），使得卷积后图像大小不变。）
relu5后的数据：13×13×256
Max pool5的核：3×3，步长：2
Max pool2后的数据：6×6×256 （（13-3）/2+1=6 ）
最初的输入：6×6×256
第五层有Max pool，没有norm层

• 第六层（全连贯层）

输出数据：6×6×256
全连贯输入：4096×1
relu6后的数据：4096×1
drop out6后数据：4096×1
最初的输入：4096×1

• 第七层（全连贯层）

输出数据：4096×1
全连贯输入：4096×1
relu7后的数据：4096×1
drop out7后数据：4096×1
最初的输入：4096×1

• 第八层（全连贯层）

输出数据：4096×1
全连贯输入：1000
fc8输入一千种分类的概率。

数据集预处理

本次试验中应用的垃圾分类数据集一共2307张图片，分为六个分类， cardboard(370)， glass(457)， metal(380)， paper(540)， plastic(445)， trash(115)。数据集中的图片是通过解决的512×384的三通道图片。
因为该数据集较小，因而须要通过数据加强裁减数据集。在本次试验中通过对图片进行随机翻转，裁剪227×227大小的子图裁减数据集，为了进步模型的准确率，在输出模型前，还须要对图片进行归一化解决，将每个像素的值映射到(0,1)之间。
定义一个torch.utils.data.Dataset类的子类，用于从硬盘中加载数据集，因为存在随机裁剪，在GarbageDataset类中将数据集大小扩充10倍。

class GarbageDataset(Dataset):

    classifications = ["cardboard", "glass", "metal", "paper", "plastic", "trash"]

    def __init__(self, root_dir, transform = None):
        super(GarbageDataset, self).__init__()
        self.root_dir = root_dir
        self.transform = transform
        self.imgs = []
        self.read()

    def __len__(self):
        return 10 * len(self.imgs)

    def __getitem__(self, item):
        img, label = self.imgs[item % len(self.imgs)]
        if self.transform:
            img = self.transform(img)
        return img, label

    def read(self):
        img_dir = os.path.join(self.root_dir, "garbage")
        for i, c in enumerate(GarbageDataset.classifications, 0):
            dir = os.path.join(img_dir, c)
            for img_name in os.listdir(dir):
                img = Image.open(os.path.join(dir, img_name))
                self.imgs.append((img, i))

定义transforms， 实例化GarbageDataset加载数据集， 并依照6:2:2的比例划分训练集，验证集和测试集。

dataset = GarbageDataset("data", transform=transforms.Compose([
    transforms.Resize(227),
    transforms.RandomHorizontalFlip(),
    transforms.RandomCrop(227),
    transforms.RandomRotation(90),
    transforms.ToTensor(),
    transforms.Normalize(mean=(0.5, 0.5, 0.5), std=(0.5, 0.5, 0.5))
]))
dataset_size = len(dataset)
validset_size = int(dataset_size / 5)
testset_size = validset_size
trainset_size = dataset_size - validset_size - testset_size

trainset, validset, testset = torch.utils.data.random_split(dataset, [trainset_size, validset_size, testset_size])

对训练集，验证集，测试集别离实例化一个DataLoader。

# 训练集须要打乱程序
trainloader = DataLoader(dataset=trainset, batch_size=128, shuffle=True)
# 验证集和测试集能够不必打乱数据程序
validloader = DataLoader(dataset=validset, batch_size=128, shuffle=False)
testloader = DataLoader(dataset=testset, batch_size=128, shuffle=False)

模型搭建

定义模型

class GarbageNet(nn.Module):

    def __init__(self):
        super(GarbageNet, self).__init__()
        self.conv1 = nn.Conv2d(3, 96, 11, 4)
        self.conv2 = nn.Conv2d(96, 256, 5, 1, padding=2, groups=2)
        self.conv3 = nn.Conv2d(256, 384, 3, 1, padding=1)
        self.conv4 = nn.Conv2d(384, 384, 3, 1, padding=1)
        self.conv5 = nn.Conv2d(384, 256, 3, 1, padding=1)
        self.fc1 = nn.Linear(256 * 6 * 6, 4096)
        self.fc2 = nn.Linear(4096, 4096)
        self.fc3 = nn.Linear(4096, 6)

    def forward(self, x):
        x = self.conv1(x)
        x = F.relu(x)
        x = F.max_pool2d(x, kernel_size=3, stride=2)
        # x = F.max_pool2d(F.relu(self.conv1(x)), kernel_size=3, stride=2)
        x = F.max_pool2d(F.relu(self.conv2(x)), kernel_size=3, stride=2)
        x = F.relu(self.conv3(x))
        x = F.relu(self.conv4(x))
        x = F.max_pool2d(self.conv5(x), kernel_size=3, stride=2)
        x = x.view(-1, 256 * 6 * 6)
        x = F.dropout(F.relu(self.fc1(x)))
        x = F.dropout(F.relu(self.fc2(x)))
        x = self.fc3(x)
        return x

在本次垃圾分类工作中，最终将图片分为六类，因而与原始AlexNet不同，最初一层全连贯层的输入size为6。

依据AlexNet论文中的参数，优化器应用SGD， 并将其学习率设置为0.01, 动量衰减参数设置为0.9，权重衰减参数为0.0005。
损失函数应用CrossEntropyLoss。

optimizer = optim.SGD(net.parameters(), lr=0.01, momentum=0.9, weight_decay=0.0005)

criterion = nn.CrossEntropyLoss()

定义训练过程

def train(dataloader):
    epoch_loss = 0.0
    iter_num = 0

    correct = 0
    total = 0

    for i, data in enumerate(dataloader, 0):
        inputs, labels = data
        if use_gpu:
            inputs = inputs.to(GPU)
            labels = labels.to(GPU)

        if torch.is_grad_enabled():
            optimizer.zero_grad()

        outputs = net(inputs)
        
        loss = criterion(outputs, labels)

        if torch.is_grad_enabled():
            loss.backward()

            optimizer.step()

        epoch_loss += loss.item()
        iter_num += 1

        _, predicted = torch.max(outputs, 1)
        c = (predicted == labels).squeeze()
        for i, lb in enumerate(labels):
            correct += c[i].item()
            total += 1

    return epoch_loss / iter_num, correct / total

训练模型

for epoch in range(0, EPOCH_NUMBER):
    t_l, t_a = train(trainloader)
    train_loss.append(t_l)
    train_accuracy.append(t_a)

    with torch.no_grad():
        v_l, v_a = train(validloader)
        
    print("Epoch %03d train loss: %.6f" % (epoch + 1, t_l))
    print("        val accuracy: %.2f%%" % (100 * v_a))
        
    val_loss.append(v_l)
    val_accuracy.append(v_a)

可视化训练后果

plt.figure(figsize=(15, 5))
plt.subplot(121)
plt.plot(range(EPOCH_NUMBER), train_accuracy, label="train")
plt.plot(range(EPOCH_NUMBER), val_accuracy, label='val')
plt.title("Accuracy", size=15)
plt.legend()
plt.grid(True)
plt.subplot(122)
plt.plot(range(EPOCH_NUMBER), train_loss, label="train")
plt.plot(range(EPOCH_NUMBER), val_loss, label="val")
plt.title("Loss", size=15)
plt.legend()
plt.grid(True)
plt.show()

从图中能够看出， 随着迭代次数的减少，准确率逐步减少，当迭代次数超过75次之后，趋向于稳固。 在验证集上的精度能够到95%以上，与训练集差异很小，阐明分类成果良好，模型泛化能力不错。

Mo我的项目链接