狗盲不存在！印度小哥实战搭建狗品种识别算法，只要7步

  新智元报道  

来源：网络

编辑：yaxin、su

【新智元导读】狗的品种有多少，你能否一一道来？若将不同品种的狗拉到你面前，你又能认识几个？别急，国外小哥搭建了一个专门对狗的品种进行分类的CNN模型，「狗盲」不存在！

在路上偶然见到一只狗狗觉得很可爱，但是不知道它的品种？

 

 

觉得某个喜欢的明星很像……狗狗？

 

 

最近，一位印度小哥搭建了一个CNN模型，专门对狗的品种进行分类！

 

识别到人脸怎么办呢？它会告诉我们与此人最相似的狗狗品种。

 

 

该模型使用的狗数据集和人体数据集来自Kaggle。

 

包括8351张狗图像，分为训练（6680）、验证（835）和测试（836）数据集，以及13233 张人脸。

 

 

训练数据集中，图像数量最多的阿拉斯加雪橇犬（77），最少的是挪威布哈德犬 ( 26 )。

 

如图从上到下依次为：阿拉斯加雪橇犬、挪威布哈德犬

 

该模型的评估指标是准确性，即正确预测的数量与所有预测的比值。

 

同时，在总结时使用精度进行评估，避免误报率（False Positive Ratio）。

 

具体步骤分为七步：

 

第 1 步：检测人类

第 2 步：检测狗

第 3 步：创建一个CNN 来对狗品种进行分类

第 4 步：使用 CNN 对狗品种进行分类（使用迁移学习）

第 5 步：创建一个CNN来对狗品种进行分类（使用迁移学习）

第 6 步：最终算法

第 7 步：测试算法

七步走，狗狗检测器诞生

 

第1步 检测人类

 

研究人员尝试将2种不同的算法来检测人脸：OpenCV 和 MTCNN。

 

如何实现？

 

OpenCV 是一个 python 库，它使用基于 Haar 特征的级联分类器，通过各种过滤器/内核函数提取特征，然后应用 Adaboost 算法对不良特征进行处罚。

 

 

OpenCV 的 Haar 级联分类器准确预测 100%的人类图像，约12%的狗图像错误地预测为人类。

 

再来看另一个检测人脸的分类器 MTCNN（多任务级联卷积网络）。

 

它由三个卷积网络（P-Net、R-Net 和 O-Net）组成，负责实时检测的鲁棒性。

 

事实证明，MTCNN 是检测「模糊图像」更好选择。

 

OpenCV和MTCNN对比

 

然而，当研究者在狗图像上评估 MTCNN 算法时，检测出的比率却是不同的。

 

尽管它完美地检测了所有人脸，但大约23%的狗图像被检测为人类，这比 OpenCV 的 12% 错误率要大得多。

 

这表明 MTCNN 中的误报率高于 OpenCV。

 

第2步 检测狗

 

为了检测狗，研究人员使用预训练的 Resnet-50 模型。该神经网络已在ImageNet数据集上进行了训练，可直接加载模型利用。

  

 

在把图像提供给 Resnet-50模型之前，必须将图像重塑 n(图像的预处理)m为 Keras 接受的张量 (4D 数组)。

 

预处理图像数据

 

接下来便是预测。预测前，研究者对输入图像也进行一些额外的处理。

 

Resnet-50 模型在这方面的表现相当出色，狗和人脸的图像都能正确标记。

 

第3步  创建一个 CNN 来对狗品种进行分类

 

现在有了在图像中检测人类和狗的功能，必须设计出一种从图像中预测品种的方法。

 

研究人员尝试创建了自己的卷积神经网络和训练狗的数据集，如下：

 

狗品种分类器 CNN

 

研究者在最初的几个层中使用了Conv2D和MaxPooling的组合，然后是GlobalAveragePooling2D、Dropout和Dense图层。

 

模型概述

 

模型编译

 

模型训练

 

当前，研究者已经对模型进行了 25 次训练，批量大小为 20。使用的优化器是rmsprop。使用该模型获得的准确度和精密度分别为15.5%和14%。

 

第4步  使用 CNN 对狗品种进行分类

 

上面的模型没有给出理想的准确度，值得庆幸的是，「迁移学习」可以帮助实现。

 

这样，研究者可以在不牺牲准确性的情况下减少训练时间。

 

因为只需要训练最后几层并利用已经训练好的 CNN 模型的权重，在这种情况下是VGG-16。

 

VGG 16 CNN 模型

 

VGG16 模型的上述实现产生了45.5%的准确率，远高于研究者自己的 CNN 模型。

 

第5步  创建一个 CNN 来对狗品种进行分类（使用迁移学习）

 

接下来，研究者对下载到各自架构的瓶颈特性上训练更多模型 (Resnet-50，InceptionV3)。

 

在实现方面，它们与 VGG-16 模型完全相似，只有架构不同。

 

他们创建了一组函数来构建架构、编译和训练模型，以及报告准确性和热图。

 

犬种预测的 Inception V3 模型热图

 

因此，我们使用InceptionV3网络来训练我们的模型。从上图中可以明显看出，这是一个更好的热图，大多数预测都沿着对角线。它产生了81.2%的准确度和大约84%的精度。

 

第6步  最终算法

 

将人脸检测器、狗检测器和狗品种分类器整合到一个算法中。

 

然后就可以拍摄图像并预测狗的品种啦！当然，如果是人类，则预测与此人最相似的狗品种。

 

狗品种预测

 

输入图像后，softmax分类器会将最大概率的索引定为最终品种。

 

此外，算法还会显示5个最有可能的犬种及其softmax概率。

 

最终算法

 

输入狗和人脸的图片后，上述函数将调用final_breed_prediction方法进行预测，并显示相关信息。

 

第7步 测试算法

 

最后，研究人员分别检测了5张狗的图像以及2张人的图像。

 

 

结果显示，它准确地预测了所有5只狗图像的品种。然而，就人类图片预测而言，并不完全令人信服。

 

比如下面这张图就闹了一个笑话，「你看起来像一只獒犬」。

 

 

准确度还不错！但也存在改进空间

 

总的来说，这一模型准确度还可以。

 

对提取的瓶颈特征进行训练后，基准模型的准确度如下：

 

VGG16：45%、InceptionV3：82%、Resnet50：81%

 

研究人员发现，增加epoch的数量并不能减少验证损失。也就是说，在20次迭代内就可以实现最佳的验证损失和准确性。

 

此外，在CNN结构中添加太多层并不能提高准确性。

 

 

因而，最终模型保留了1 个GAP 2D层和1个Dense Softmax层。

 

当然，改进的空间是存在的！

 

比如，最近开发的其他先进人脸检测方法可以降低在MTCNN实现中观察到的误报率。

 

此外，通过增加训练数据可以使提取的瓶颈特征更完整，并且创建更丰富的图像表示，从而提高准确性。

 

制作一个狗狗检测器，你学废了吗？

  

参考资料：

https://winxzenpiyush23.medium.com/dog-breed-classifier-using-cnn-4f408d04ff86

-往期精彩-