目录

1  常见图像处理任务

2  数据集展示

3  训练模型

3.1  导入库

3.2  处理数据集路径

3.3  定义解析xml函数

3.4  创建数据集

3.5  创建模型

3.6  编译模型

3.7  训练模型

3.8  加入tensorboard

3.9  加入检查点

3.10  保存模型

4  预测模型

5  扩展知识

我们常见的图像处理任务有下面几种

给机器一张图，它能知道，这个图是猫的一张图片

给机器一张图，它不仅知道这个图片是猫的图片，而且它也知道这个猫在哪

找到可识别物体的每一个个体的轮廓，并可以分辨出该轮廓是何种物体，下面这张图就是每一类物体使用不同的颜色进行注明

目标检测和分类+定位是有区别的，分类加定位是图像中只有一种被检测物体，目标检测可以有多种

目标检测+图像分割

之前我们解决了图像分类问题，下面我们来解决图像定位问题，我们下面使用数据集The Oxford-IIIT Pet Dataset作为例子展示一下定位问题的处理方式

我们看一下这个数据集，数据集由两个文件夹构成

annotations是我们的标注文件，如果我们要训练独有的文件，我们需要先对每一张图像进行标注，这个我们放到后面细说，我们这里先提一下。我们此次是任务是定位图像的脸部

主要使用的是xmls文件中的内容

我们可以用浏览器打开xml文件，我们打开第一个文件看一下

这里面记录了图像的名称(Abyssinian_1.jpg)，图像的尺寸(600,400)，通道(3)，矩形框的左上角点(333,72)，矩形框的右下角点(425,158)

那么我们如果解析xml应该这样看，它最高级的目录名称叫annotation，其中有若干个二级目录，比如folder,filename，二级目录中有的包含具体内容，有的还有三级目录，我们解析时应一层一层进行解析

images存放的是图像文件

我们的图片文件一共有7393个，我们的xml文件一共有3686个，也就是说图像与标注文件并不是一一对应的，我们下面再处理这个事情

我们唯一没有使用过的库是lxml，这个库是我们用来解析上面提到的xml文件的

Rectangle是matplotlib中绘制矩形框的方法

我们先解析一个xml文件看一下，我们首先读取Abyssinian_1.xml这个文件

之后我们提取照片的宽度试一下，首先建立选择器，之后使用xpath的方法提取size中的width的内容

发现会返回一个列表，列表中有宽度信息600，其余信息的提取方法也和width相同

这样我们就可以获取矩形框的两个角点坐标，我们把矩形框画在图像上看一下

上面是一张图的绘制方式，我们可以通过数据集看到，我们每一张的图片大小是不相等的，但我们训练时是需要图片大小相等的，图像尺寸的改变势必要对框的位置也进行改变，所以我们要按比例改变xmin,ymin,xmax,ymax这四个数值，计算方法如下

我们将

四个数值的新值命名为 new_xmin,new_ymin,new_xmax,new_ymax

原图像的宽与高命名为 width,height

新图像的宽与高命名为 new_width,new_height

我们先获取所有的图片文件与xml文件的路径

我们上面提到xml文件与image文件并不是一一对应的，所以我们现在要提取xml的文件名之后再去筛选出对应的标注图像文件，我们先获取图片的名称

之后我们判定，如果图像中的文件名存在于names中则加入，否则什么都不做

这样我们就得到了train_images与xmls两个列表，我们现在要保证让其一一对应，我们可以利用其相同的文件名进行排序

这样就一定一致了，sort的返回值是None，我们不要进行赋值

之后对xmls中的所有文件进行解析

我们看一下labels中的前三个

发现是一个列表中有四个浮点数值，这个和我们的期望是一样的，我们在训练的时候需要xmin,ymin,xmax,ymax四个列表，因此我们要将labels进行拆解

这样我们就得到了四个独立的列表，之后我们将四个列表转换为numpy

首先我们创建标签数据集

之后定义加载图像函数

然后创建图像数据集

之后把这两个数据集组合到一起

之后我们区分训练集与测试集

然后我们分别对训练集与测试集进行乱序，设置批次与循环

我们可以把dataset中的图像画出来，然后画上矩形框，看一下我们的dataset有没有问题

我们发现是没有什么问题的

我们使用预训练模型xception进行训练，我们使用函数式API创建多分类问题

由于我们这四个输出都是回归问题，所以我们loss都使用mse(均方差)就可以了

我们第一次使用到mae这个指标，这个指标的意思是平均绝对误差，它的计算方式如下，我们认为这个值越接近于0，模型训练的效果越好

我们加入tensorboard记录一下各种指标的变化情况

像这种需要长时间训练的模型，我们需要加入检查点以应对意外情况

预测之前我们先看一下tensorboard，一共有这些指标，我们挑几个看一下

其余三个值和上面的loss和mae差不多，我们最后看一下总loss

已经降到了很低的值，我们之后可以使用数据集外的图像进行预测

之后我们确认一下模型是否保存

我们之后创建一个文件夹test,文件夹中有狗的图片与猫的图片

这些图片都是不在数据集之内的，我们当前的模型只能识别图中的一个猫头或者狗头，识别单个目标在实际生活中也有应用，比如人脸识别的门禁，只需要识别一个人的脸就可以

代码部分首先我们导入库

之后读取模型

之后我们获取我们要测试的所有图片路径

之后我们定义加载图像函数，与训练时不同的是，由于训练时有batch，我们现在是一张一张预测的，所以我们要将图像升维

之后我们定义预测函数，首先我们加载图像，之后预测出四个值，然后我们使用opencv读取图像，之后获取图像的高与宽，再与得到的四个值对应相乘，得到预测的角点，之后再通过两个角点绘制出矩形框，然后显示出来

之后我们遍历测试图片路径，然后每个都预测一下

有的图片预测的还行

有的就不行，有可能是训练数据中没有低头的样本

有的精度稍差些

我们通过tensorboard的图像可以看到训练后期loss已经趋于平缓，如果再增加epoch也不会有更好的效果，我们的learning_rate设置的并不高，模型使用的也是预训练模型，这个时候如果我们想继续增大精度，我们就需要增加数据量了，我们当前只有3686个数据

我们在图像定位中也可以使用IoU来评估定位的精准度

我们当前有两个矩形框，一个是预测的，一个是实际的，我们使用两个矩形框的交集除两个矩形框的并集

在图像定位问题中，不仅可以预测矩形框的四个点，也可以应用于人体检测，预测多个点