基于Keras 的圖像分類模型的研究與應用

閆琳英YAN Lin-ying

（西安工商學院，西安 710200）

0 引言

近幾年，人工智能及深度學習技術的應用領域越來越廣泛，這使得圖像分類識別已成為計算機視覺領域的研究熱點，也是解決海量圖像分類的關鍵[1]。卷積神經網絡作為圖像識別的關鍵技術，能有效解決圖像的分類問題，但其構建模型復雜，模型訓練時間較長，也容易出現過擬合等問題[2]。借助TensorFlow 平臺的Keras 接口[3]能夠簡化模型的構建，減少模型的訓練時間。因此，本文基于Keras 框架開發一種圖像識別模型，通過改進傳統模型中的損失函數，并引入DropOut 技術，對Fashion-MNIST 數據集進行識別，具有一定的實用價值。

1 Keras 及Tensorflow 介紹

1.1 Keras 框架

Keras 是一個基于theano/tensorflow 的深度學習框架，是tensorflow2 引入的高封裝度的框架，可以用于快速搭建神經網絡模型，是作為一個高階API，支持快速原型設計，可快速搭建神經網絡模型[4]。采用Python 語言編寫，支持GPU 和CPU。采用Keras 框架進行深度學習模型的搭建，能夠有效減少模型的代碼量，提高模型的復用性，進而提高實驗效率。

1.2 TensorFlow 平臺

TensorFlow 是由谷歌研發的一款用于高性能計算的開源軟件庫[5]。其基于數據流圖的形式表述計算。被廣泛應用于圖像處理、自然語言理解等領域。與TensorFlow1.x 版本不同，TensorFlow2.0 采用Eager 模式搭建原型，不需要建立Session 就可直接運行模型[6]。在搭建模型上TensorFlow2.0 更加方便快捷。TensorFlow2.0 更推薦使用tf.Keras、tf.data 等高級接口，簡化模型的搭建和訓練。

2 基于Keras 的圖像分類模型

2.1 Keras 構建模型的一般步驟

Keras 接口較于其他平臺，構建模型更模塊化，代碼更易理解。采用Keras 序列模型進行建模與訓練過程一般分為以下五步：

①創建一個Sequential 模型，并在Sequential()方法中添加從輸入層到輸出層的網絡模型結構；

②通過“compile()”定義訓練模式，選擇模型訓練時使用的優化器、損失函數和模型評估指標；

③訓練模型，通過“fit()”方法對模型進行迭代訓練；設置訓練集和測試集的輸入及標簽、批次大小和迭代次數等；

④評估模型，通過“evaluate()”對模型進行評估，一般通過模型的損失和準確率評估模型的效果；

⑤應用模型，通過“predict()”對模型進行結果預測。

2.2 基于Keras 的圖像分類模型

本文提出的圖像分類模型在傳統卷積神經網路的基礎上，通過優化模型中的損失來提高模型的準確率，并增加Dropout 技術降低模型發生過擬合的概率。本模型總共有七層，分別為輸入層、三次卷積、三次池化和兩層全連接，最后輸出圖像的類別。

2.2.1 模型結構（圖1）

圖1 基于Keras 的圖像分類模型

輸入層：輸入圖像大小為28*28 的圖片。

卷積層：卷積核大小為3*3，采用Relu 激活函數；經過一次卷積后調用tf.keras.layers.Dropout()方法防止模型過擬合。

降采樣層：池化方式一般有兩種，最大池化和評平均池化，本模型中選擇最大池化方式，可減少網絡的參數和計算的數據量，有效防止過擬合。

通過四次卷積和三次池化之后，接著兩次全連接層，調用softmax 激活函數對結果進行分類，最終得到樣本所屬類別的概率。

2.2.2 損失函數

在分類模型中，一般會采用交叉熵損失函數。本文提出的模型最終是要進行圖像的多分類，因此采用多分類交叉熵損失函數。針對采用整數類型的標簽類別數據，Keras提供的tf.keras.losses.sparse_categorical_crossentropy()方法更為簡便，無需對標簽數據先進行one_hot 編碼就能直接使用。因此本文采用此方法作為模型的損失函數，該函數公式如下：

其中，m 為樣本數，k 為標簽類別數，對于多分類問題，通常與softmax 激活函數一起使用。

該函數定義為：

tf.keras.losses.sparse_categorical_crossentropy (y_true,y_pred, from_logits=False, axis=-1)，其中y_true：實際標簽值；y_pred:預測值；from_logits：默認為False，表示輸出層經過了概率處理（softmax），當接收到了原始的logits，則為True；axis：計算交叉熵的維度，默認是-1。

2.2.3 DropOut 技術

在深度學習模型中，若參數過多，訓練樣本太少，模型很容易出現過擬合的現象[7]。過擬合問題是模型在訓練集的表現結果好，但是在測試數據集的擬合效果卻不理想。為了解決模型的過擬合問題，在模型訓練過程中，隨機丟棄部分神經元來避免過擬合，這種技術叫做Dropout 技術[8]。具體來說，神經網絡的訓練過程中，對于每一輪訓練中的神經網絡單元，Dropout 技術根據概率值（p）將其隨機丟掉，在模型訓練過程中該神經元就失去作用。在模型訓練時，Dropout 會遍歷神經網絡中所有層的所有節點，以概率p 來決定保留還是丟棄神經元節點。遍歷完成后，刪除丟棄的神經元對應的連線，從而達到減少節點數、降低網絡復雜度的目的。這樣就可以有效緩解過擬合的發生，在一定程度上達到正則化的效果。

經Dropout 之后的神經網絡模型如圖2 所示。

圖2 Dropout 技術

3 圖像分類模型的應用

3.1 Fashion-MNIST 數據集介紹

Fashion-MNIST 與MNIST 手寫字數據集不同，它是一個圖像數據集，涵蓋了來自10 種類別的共7 萬個不同商品的正面圖片，是由Zalando 旗下的研究部門提供[9]。Fashion-MNIST 數據集的圖片大小為28*28 的灰度圖片，訓練數據集共60000 個樣本，測試數據集共10000個樣本。

Fashion-MNIST 數據集有十個分類，分別是：t-shirt（T恤），trouser（牛仔褲），pullover（套衫），dress（裙子），coat（外套），sandal（涼鞋），shirt（襯衫），sneaker（運動鞋），bag（包），ankle boot（短靴）。（圖3）

圖3 Fashion-MNIST 數據集樣本

3.2 模型結果對比分析

在本次實驗中，使用keras 建立的模型，經過20 次迭代訓練，批次大小為100，最終通過可視化可看到模型在整個訓練過程中損失一直減小，準確率達到了97.8%左右。模型的損失Loss 和準確率Accuracy 如圖4所示。

4 結語

本文通過調用TensorFlow 框架的高級接口Keras 進行圖像識別模型的構建，以Fashion-MNIST 作為本次模型的數據集，通過調用tf.keras 提供的多分類交叉熵損失函數及Dropout 技術，研究了基于Keras 的卷積神經網絡實現圖像識別分類。通過模型的多次迭代及參數調整，最終實驗結果驗證了本文所構建的圖像分類模型具有較高的準確率。