VGG网络模型详解以及代码实现 |
您所在的位置：网站首页 › vgg16网络模型 › VGG网络模型详解以及代码实现 |
VGG网络模型详解以及代码实现
|
VGG网络模型详解以及代码实现
一、背景1. VGG原理
二、VGG网络模型详解及代码实现1. VGG网络模型详解2. 代码实现
三、参考资料：
一、背景
VGGNet是在2014年由Karen Simonyan和Andrew Zisserman提出的，网络模型包括VGG-11、VGG-13、VGG-16以及VGG-19，其中VGG-16和VGG-19在分类和定位任务上效果最好，因此作者在2014年ImageNet Challenge上获得分类第二和定位第一的网络。 论文地址：VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNIT 1. VGG原理VGG与AlexNet相比，它是将AlexNet模型中较大的卷积核(例如：11 x 11、7 x 7、5 x 5)换成连续几个3 x 3的卷积核。其目的是：减少网络参数量；由于参数量被大幅减小，于是可以用多个感受野小的卷积层替换掉之前一个感受野大的卷积层，从而增加网络的非线性表达能力。 例如：两个3x3的卷积层的感受野可以代替一个5x5的卷积层，三个3x3的卷积层可以代替一个7x7的卷积层，这样可以有效地减少参数计算成本。假设输入输出channel均为C，三个3x3参数个数为3x(3x3xCxC）=27xC²，一个7x7参数个数为7x7xCxC=49xC²，因此用三个3x3的卷积层代替一个7x7的卷积层可以节省近一半的参数计算量。 二、VGG网络模型详解及代码实现 1. VGG网络模型详解
block1： Conv1 输入图像大小：224 * 224 * 3 (RGB图像)卷积核(filter)大小：3 * 3卷积核个数：64步长(stride)：1padding方式：SAME输出featureMap大小：224 * 224 * 64 Conv2 输入图像大小：224 * 224 * 64卷积核(filter)大小：3 * 3卷积核个数：64步长(stride)：1padding方式：SAME输出featureMap大小：224 * 224 * 64 Pool1 输入图像大小：224 * 224 * 64采样大小：2 * 2padding方式：SAME输出图像大小：112 * 112 * 64block2： Conv3 输入图像大小：112 * 112 * 64卷积核(filter)大小：3 * 3卷积核个数：128步长(stride)：1padding方式：SAME输出featureMap大小：112 * 112 * 128 Conv4 输入图像大小：112 * 112 * 64卷积核(filter)大小：3 * 3卷积核个数：128步长(stride)：1padding方式：SAME输出featureMap大小：112 * 112 * 128 Pool2 输入图像大小：112 * 112 * 128采样大小：2 * 2padding方式：SAME输出图像大小：56 * 56 * 128block3： Conv5 输入图像大小：56 * 56 * 128卷积核(filter)大小：3 * 3卷积核个数：256步长(stride)：1padding方式：SAME输出featureMap大小：56 * 56 * 256 Conv6 输入图像大小：56 * 56 * 256卷积核(filter)大小：3 * 3卷积核个数：256步长(stride)：1padding方式：SAME输出featureMap大小：56 * 56 * 256 Conv7 输入图像大小：56 * 56 * 256卷积核(filter)大小：3 * 3卷积核个数：256步长(stride)：1padding方式：SAME输出featureMap大小：56 * 56 * 256 Pool3 输入图像大小：56 * 56* 256采样大小：2 * 2padding方式：SAME输出图像大小：28 * 28 * 256block4： Conv8 输入图像大小：28 * 28 * 256卷积核(filter)大小：3 * 3卷积核个数：512步长(stride)：1padding方式：SAME输出featureMap大小：28 * 28 * 512 Conv9 输入图像大小：28 * 28 * 512卷积核(filter)大小：3 * 3卷积核个数：512步长(stride)：1padding方式：SAME输出featureMap大小：28 * 28 * 512 Conv10 输入图像大小：28 * 28 * 512卷积核(filter)大小：3 * 3卷积核个数：512步长(stride)：1padding方式：SAME输出featureMap大小：28 * 28 * 512 Pool4 输入图像大小：28 * 28 * 512采样大小：2 * 2padding方式：SAME输出图像大小：14 * 14 * 512block5： Conv11 输入图像大小：14 * 14 * 512卷积核(filter)大小：3 * 3卷积核个数：512步长(stride)：1padding方式：SAME输出featureMap大小：14 * 14 * 512 Conv12 输入图像大小：14 * 14 * 512卷积核(filter)大小：3 * 3卷积核个数：512步长(stride)：1padding方式：SAME输出featureMap大小：14 * 14 * 512 Conv13 输入图像大小：14 * 14 * 512卷积核(filter)大小：3 * 3卷积核个数：512步长(stride)：1padding方式：SAME输出featureMap大小：14 * 14 * 512 Pool5 输入图像大小：14 * 14 * 512采样大小：2 * 2padding方式：SAME输出图像大小：7 * 7* 512最后三层全连接层和AlexNet最后三层相同，可以参考博客：AlexNet模型详解及代码实现 2. 代码实现 import matplotlib.pyplot as plt from keras.applications.vgg16 import VGG16 from keras.preprocessing import image from keras.applications.vgg16 import preprocess_input, decode_predictions import numpy as np def percent(value): return '%.2f%%' % (value * 100) # 下载VGG16模型，下载地址为 c:\user(用户)\.keras\models\vgg16_weights_tf_dim_ordering_tf_kernels.h5 model = VGG16(weights='imagenet', include_top=True) # 显示模型结构 model.summary() # Input：要预测的图片 img_path = '.\xx.png' # img_path = '.\xx.png' 并转化为224*224的标准尺寸 img = image.load_img(img_path, target_size=(224, 224)) x = image.img_to_array(img) # 转化为浮点型 x = np.expand_dims(x, axis=0) # 转化为张量size为(1, 224, 224, 3) x = preprocess_input(x) # 预测，取得features，維度为 (1,1000) features = model.predict(x) # 取得前五个最可能的类别及概率 pred = decode_predictions(features, top=5)[0] # 整理预测结果,value values = [] bar_label = [] for element in pred: values.append(element[2]) bar_label.append(element[1]) # 绘图并保存 fig = plt.figure("预测结果") ax = fig.add_subplot(111) ax.bar(range(len(values)), values, tick_label=bar_label, width=0.5, fc='g') ax.set_ylabel('probability') ax.set_title('Tree view') for a, b in zip(range(len(values)), values): ax.text(a, b + 0.0005, percent(b), ha='center', va='bottom', fontsize=7) fig = plt.gcf() plt.show() name = img_path[0:-4] + '_pred' fig.savefig(name, dpi=200)model.summary()显示模型结构 Model: "vgg16" _________________________________________________________________ Layer (type) Output Shape Param # ================================================================= input_1 (InputLayer) [(None, 224, 224, 3)] 0 _________________________________________________________________ block1_conv1 (Conv2D) (None, 224, 224, 64) 1792 _________________________________________________________________ block1_conv2 (Conv2D) (None, 224, 224, 64) 36928 _________________________________________________________________ block1_pool (MaxPooling2D) (None, 112, 112, 64) 0 _________________________________________________________________ block2_conv1 (Conv2D) (None, 112, 112, 128) 73856 _________________________________________________________________ block2_conv2 (Conv2D) (None, 112, 112, 128) 147584 _________________________________________________________________ block2_pool (MaxPooling2D) (None, 56, 56, 128) 0 _________________________________________________________________ block3_conv1 (Conv2D) (None, 56, 56, 256) 295168 _________________________________________________________________ block3_conv2 (Conv2D) (None, 56, 56, 256) 590080 _________________________________________________________________ block3_conv3 (Conv2D) (None, 56, 56, 256) 590080 _________________________________________________________________ block3_pool (MaxPooling2D) (None, 28, 28, 256) 0 _________________________________________________________________ block4_conv1 (Conv2D) (None, 28, 28, 512) 1180160 _________________________________________________________________ block4_conv2 (Conv2D) (None, 28, 28, 512) 2359808 _________________________________________________________________ block4_conv3 (Conv2D) (None, 28, 28, 512) 2359808 _________________________________________________________________ block4_pool (MaxPooling2D) (None, 14, 14, 512) 0 _________________________________________________________________ block5_conv1 (Conv2D) (None, 14, 14, 512) 2359808 _________________________________________________________________ block5_conv2 (Conv2D) (None, 14, 14, 512) 2359808 _________________________________________________________________ block5_conv3 (Conv2D) (None, 14, 14, 512) 2359808 _________________________________________________________________ block5_pool (MaxPooling2D) (None, 7, 7, 512) 0 _________________________________________________________________ flatten (Flatten) (None, 25088) 0 _________________________________________________________________ fc1 (Dense) (None, 4096) 102764544 _________________________________________________________________ fc2 (Dense) (None, 4096) 16781312 _________________________________________________________________ predictions (Dense) (None, 1000) 4097000 ================================================================= Total params: 138,357,544 Trainable params: 138,357,544 Non-trainable params: 0 _________________________________________________________________ 2021-12-27 16:59:25.846173: I tensorflow/compiler/mlir/mlir_graph_optimization_pass.cc:176] None of the MLIR Optimization Passes are enabled (registered 2)预测图片1：
预测结果2： VGG-论文解读 VGG16学习笔记 |
VGG-16和VGG-19如上图的D和E所示： VGG-16：包括16个隐藏层（13个卷积层和3个全连接层） VGG-19：包括19个隐藏层（16个卷积层和3个全连接层） 以VGG-16为例，如下图所示： 
详细过程为：
预测结果1： 
预测图片2： 
【本文地址】
今日新闻 |
推荐新闻 |