模式识别

广州大学 研究生学期作业（论文）专用封面 作业（论文）题目： 基于Alexnet 模型的菜品识别 所修课程名称： 模式识别 学生姓名： 王宏东 任课教师姓名： 杨钊 上课时间： 12-19周 布置作业（论文）日期： 2019 年 12 月 18 日 任课教师打分： 2020年1月 7日__________________学院__________级___________专业姓名____________学号_______________ ………………………………（密）………………………………（封）………………………………（线）………………………………目录一、课程设计的目的 (1)二、用到的工具 (1)三、实现的原理以及内容 (1)（一）Alexnet结构介绍 (1)（二）课程內容 (3)四、实验的结果 (3)五、附录—程序代码...............................................................................................................基于Alexnet模型的菜品识别一．课程设计目的1、通过实验操作进一步掌握Alexnet的结构、训练与应用；2、通过实验掌握并且熟悉模式识别课程中学到的知识，熟悉模式识别的应用；3、熟练使用python编写模式识别算法二．用到的工具本次设计中编程语言选用了python，编程语言工具是pycharm，选用了pytorch的框架，在ubuntu16.04环境下实现编程。

三、实现原理以及内容（一）Alexnet结构介绍alexNet为8层深度网络，其中5层卷积层和3层全连接层，不计LRN层和池化层。

如下图所示：模型主要结构：输入数据—>卷积、池化、ReLu激活—>卷积、池化、ReLu激活—>卷积、ReLu激活—>卷积、ReLu激活—>卷积、池化、ReLu激活—>全连接、ReLu 激活、droupout—>全连接、ReLu激活、droupout—>输出AlexNet 各层的详细描述以下：输入层：输入大小为224x224的3通道图像第1层：卷积层(卷积、池化)1、使用96个大小为11x11x3的卷积核，分两组(每组48个)，按步长4个像素对输入层进行卷积运算，得到两组55x55x48的卷积结果。

2、对卷积结果使用ReLu激活函数，得到激活结果。

3、对激活结果使用窗口为3x3、步长为2个像素的重叠最大池化，得到27x27x48的池化结果。

4、对池化结果使用局部响应归一化操作，得到27x27x48的归一化结果。

第2层：卷积层(卷积、池化)1、使用256个大小为27x27x48的卷积核，分两组(每组128个)，按步长1个像素对第2层的归一化结果进行卷积运算，得到两组27x27x128的卷积结果。

2、对卷积结果使用ReLu激活函数，得到激活结果。

3、对两组 27 x 27 x 128的激活结果使用窗口为3x3、步长为2个像素的重叠最大池化，得到两组13x13x128的池化结果。

4、对池化结果使用局部响应归一化操作，得到两组13x13x128的归一化结果。

第3层：卷积层1、使用384个大小为13x13x 256的卷积核，分两组，按步长为1个像素对上一层归一化结果卷积运算，得到两组13x13x192的卷积结果。

2、对卷积结果使用ReLu激活函数，得到激活结果。

第4层：卷积层1、使用384个大小为13x13x 192的卷积核，分两组，按步长为1个像素对上一层的激活结果进行卷积运算，得到两组13x13x192的卷积结果。

2、对卷积结果使用ReLu激活函数，得到激活结果第5层：卷积层(卷积、池化)1、使用256个大小为13x13x192的卷积核分两组，按步长为1个像素，对上一层的激活结果卷积运算，得到两组13x13x128卷积结果。

2、对卷积结果使用ReLu激活函数，得到激活结果。

3、对激活结果，进行窗口为3x3,步长为2个像素的重叠最大池化，得到两组13x3x128的池化结果。

第6层：全链接层1、使用4096个神经元分两组，对上一层的池化结果全链接处理。

2、对全链接结果使用ReLu激活函数。

3、对激活结果使用概率为0.5的dropout操作，得到dropout结果。

第7层：全链接层1、使用4096个神经元分两组，对上一层的池化结果全链接处理。

2、对全链接结果使用ReLu激活函数。

3、对激活结果使用概率为0.5的dropout操作，得到dropout结果。

第8层：输出层1000路的软最大输出层，用来覆盖1000类的标签分布。

（二）课程內容在Alexnet网络模型下，根据对拍摄到的菜品（本次使用4种菜品：南瓜，鸡肾，青菜，叉烧）的数据进行一系列处理和训练后，最终实现菜品分类的效果：1、对拍摄的图片进行格式处理，缩小原始图片尺寸2、将处理好的图片按7:3的比例分别放入train和test文件夹中，作为训练集和测试集3、定义Alextnet模型，其中选用了交叉熵损失函数和使用adam算法的优化器，学习速率设置为0.0005最大迭代次数为104、进行训练，实现分类，南瓜，鸡肾，青菜，叉烧依次分类标签Pumking,chicken liver,greens,barbecued pork四、实验结果3五、附录—程序代码#导入需要的模块import torch.nn as nnimport torchvision.datasets as datasetsfrom torch.utils.data import DataLoaderimport torchvision.transforms as transformsimport osimport torch.optimfrom PIL import Imageimport numpy as npimport torch.backends.cudnnimport randomseed = 0np.random.seed(seed)random.seed(seed)torch.manual_seed(seed)torch.cuda.manual_seed(seed)torch.backends.cudnn.benchmark = Falsetorch.backends.cudnn.deterministic = True# 模型定义class AlexNet(nn.Module):def __init__(self, num_classes=1000):super(AlexNet, self).__init__()self.features = nn.Sequential(# first layernn.Conv2d(3, 96, 11, stride=4, padding=0),nn.BatchNorm2d(96),#进行Relu之前数据的归一化处理nn.ReLU(inplace=True),nn.MaxPool2d(kernel_size=3, stride=2),# second layernn.Conv2d(96, 256, 5, stride=1, padding=2, groups=2),nn.BatchNorm2d(256),nn.ReLU(inplace=True),nn.MaxPool2d(kernel_size=3, stride=2),# third layernn.Conv2d(256, 384, 3, stride=1, padding=1),nn.BatchNorm2d(384),nn.ReLU(inplace=True),# fourth layernn.Conv2d(384, 384, 3, stride=1,padding=1, groups=2),nn.BatchNorm2d(96),nn.ReLU(inplace=True),# fifth layernn.Conv2d(384, 256, 3, stride=1, padding=1, groups=2),nn.BatchNorm2d(256),nn.ReLU(inplace=True),nn.MaxPool2d(kernel_size=3, stride=2),)self.classifier = nn.Sequential(nn.Linear(256*2*2, 256),nn.ReLU(inplace=True),# nn.Dropout(0.5),# nn.Linear(1024, 256),# nn.ReLU(inplace=True),# nn.Dropout(0.5),nn.Linear(256, num_classes),)def forward(self, x):x = self.features(x)# f = xx = x.view(x.size(0), -1)x = self.classifier(x)# score = xreturn xtransform = pose([transforms.Resize((128, 128)),transforms.ToTensor(),transforms.Normalize(mean=[0.485, 0.456, 0.406],std=[0.229, 0.224, 0.225])])train_root = os.path.expanduser('~/dataset/classify/train')train_dataset = datasets.ImageFolder(root=train_root, transform=transform)train_loader = DataLoader(train_dataset, batch_size=64, shuffle=True, num_workers=4)test_root = os.path.expanduser('~/dataset/classify/test')test_dataset = datasets.ImageFolder(root=test_root, transform=transform)test_loader = DataLoader(train_dataset, batch_size=64, shuffle=False, num_workers=4)# 对拍摄的图片进行格式处理，缩小原始图片尺寸for i in range(len(train_dataset)):path, label = train_dataset.imgs[i]imgs = Image.open(path)imgs_new = imgs.resize((256, 256))imgs_new.save(path)for i in range(len(test_dataset)):path, label = train_dataset.imgs[i]imgs = Image.open(path)imgs_new = imgs.resize((256, 256))imgs_new.save(path)# netnet = AlexNet(num_classes=4)# net.cuda()criterion = torch.nn.CrossEntropyLoss() # 定义交叉熵损失函数optimizer = torch.optim.Adam(net.parameters(), lr=0.0005)#使用adam算法的优化器# 训练for epoch in range(10):#训练10次acc_epoch = 0loss_epoch = 0for imgs, labels in train_loader:# imgs, labels = imgs.cuda(), labels.cuda()output = net(imgs)loss = criterion(output, labels)optimizer.zero_grad()# 把梯度重新归零loss.backward()# loss进行反向传播optimizer.step()#将优化器的参数进行更新loss_epoch += loss.item()prediction = torch.max(output, 1)[1]correct = (prediction==labels).sum().item()acc_epoch += correct/len(labels)print(epoch, loss_epoch/len(train_loader), acc_epoch/len(train_loader))# 保存加载模型torch.save(net, 'net.pt')net = torch.load('net.pt')# net.cuda()net.eval()#测试with torch.no_grad():acc_epoch = 0for imgs, labels in test_loader:# imgs, labels = imgs.cuda(), labels.cuda()output = net(imgs)prediction = torch.max(output, 1)[1] #返回输出最大值的每个索引即标签correct = (prediction == labels).sum().item() # 更新正确分类的图片的数量acc_epoch += correct / len(labels)print(acc_epoch / len(train_loader))。