基于CIFAR-10的卷积神经网络的图像识别的研究

基于CIFAR-10的卷积神经网络的图像识别的研究

张濮岩

沈阳航空航天大学电子信息工程学院

摘要：CIFAR-10数据集是由10个类中的60000幅的32*32幅彩色图像构成的，其包含了十种不同的涉及动物，交通工具等图片，可以通过训练其数据集来对其相似类别的图片进行识别，CIFAR-10强调了网络结构训练和评估的规范组织方式。并且能提供了构建更大和更精细的模型的模板。本文通过根据训练数据集来识别不同类别的图片，来进行对CIFAR-10数据集的研究。

关键词：CIFAR-10,神经网络，图像识别

一.处理数据

想要训练出一种识别信息更精确的数据集模式,就必须对所得到的图片做出一个适当的处理,对图片的格式,像素,颜色有着很严格的规定,所以我们就需要首先定义出图片的宽,高,还有图片格式,模型的输入数据是网络的输入是一种4维tensor,尺寸为(batch_size,32,32,3),分别代表每一批图片的数量、图片的宽的像素点数量32、高的像素点数量32,以及信道数量3。首先,通过对各种卷积神经网络层实现数据的特征提取,首先可以把所有CIFAR-10的数据集中加载到自己文件夹中,然后导入常用库并在载入的TensorFlow Models中手动加载后,并且在之后来读出CIFAR-10数据集中的类别,然后加载训练集和测试集,并且将数值转换成一种热编码二进制数组,并且将图像的RGB值从0-255转换到0-1之间,并且创建空的顺序模型。TensorFlow通过张量来作为数据的基本单元TensorFlow的张量,在某种意义上可以与多维数组划等号,我们也可以通过它来描述在数学教育中的标量,标量为零维数组、矢量,矢量为一维数组、矩阵,矩阵为二维数组,等各种数,在机器学习中,我们也往往要使用计算函式的导数的函数。TensorFlow提出了非常高效的自动求导机理来运算导数。

可以通过 y_grad = tape.gradient(y, x) 求张量 y 对变量 x 的导数。

多元函数求偏导数，以及对向量或矩阵的求导表示如下。

计算L对w,b的偏导数公式如下：

L(w,b)=

接着把RGB图片进行了归一化处理,精确数据是经过分别统计R,G,B三种通道的点数后算得出的,由于这二个照片,都是50*50尺寸的,所以二个照片的象素点共有2*50*50=5000个,所以对这二个照片的mean求法如下:

mean_R: 这5000个像素点的R值加起来，除以像素点的总数，这里是5000；

同理，mean_G 和mean_B 两个通道的计算方法也是一样的。

有的时候由于训练信息集中不多,甚至某一个数据比较小,又或者为了避免过模型拟合,使训练建模更加准确,为了增加数据能力集,有效的获取图像信息,泛化训练建模,训练通常都需要对信息图形加以信息强化。

二.搭建模型

正确地处理好自己的数据后，如何科学地搭建模型也是一个重要的方面，首先需要正确设置模型训练参数，训练模型的话:一般选取百分之二十做为验证集即可，其他剩下的的做可以训练集，每次训练完一个周期就显示一个输出，

搭建模型一般使用Le-Net5模型进行构建，如图1所示。

图1 Le-Net5模型

下面将简单分析一个LeNet-5框架,LeNet-5的建模结构是输入输出层-逐点卷积层-池化层-逐点卷积层-池化层-全连结层-全链路层-输入输出。LeNet-5框架是一个结构较为简单的神经网络卷积模式。首其主要构造流程是将经过其输入的所有二维信号,首先经过二次逐点的卷积层和全部池化层,然后经过全部链路层,最后一步再经过softmax分类的输入输出层。卷积层也是逐点卷积神经网络的重要基础结构。在影像分类里我们所说的折积就是二维卷积,也就是利用离散二维滤波器与二维图形之间的折积作用,更简单的来说就是将二维滤波器滑动在二维图形的每个部分,然后在各个区域上与各像素点和领域像素点之间的部积。卷积操作被应用在图像处理方面,不同卷积核能够获得不同的特性,比如边沿、直线、点的特性。在深层卷积的神经网络中,利用卷积技术能够提取出其低级而复杂的性质。

我们可以根据此模型来创建自己所需要的网络模型，对自己的模型进行相应的优化处理。

三.训练模型

作好前期工作之后,最后一个项目便是训练模型,首先定义一下在练习中可能会使用的训练常数,一般而言,当数据的量更多,从练习得出的训练模型的有效性也会更好。

在图像处理任务中,经常会观测到这么一个现象:对输入的图象,做出了几个简单的平移、压缩、或者颜色改变,却没有影响图象的类别。针对图像类型的训、数据,传统的训练数据扩充方式是指通过使用平移、压缩、颜色等变换,或者人工地增加训、集样本的数量三以便得到更丰富的训练数据,从而使得模型训练的有效性更佳。每次训练完一轮之后，在测试数据集上运行，根据测试数据集的结果来判断模型是否训练完毕

训练的CIFAR-10识别模块也采用了数据增强技术来改善模块的特性。训练CIFAR10识别模型也用到了数据增强来提高模型性能。试验结果证实,使用大数据增强技术能够提高模型的泛化能力,同时也可以防止过度拟合。

参考文献：

[1]李磊.基于卷积神经网络的车辆特征识别技术研究[J].交通世界,2022(09):4-5+12.DOI:10.16248/j.cnki.11-3723/u.2022.09.030.

[2]王锦涛,文晓涛,何易龙,兰昀霖,张超铭.基于CNN-GRU神经网络的测井曲线预测方法[J].石油物探,2022,61(02):276-285.

[3]董晓霞. 面向线性回归机器学习算法的隐私保护研究[D].华东师范大学,2021.DOI:10.27149/d.cnki.ghdsu.2021.001282.

[4]张占军,彭艳兵,程光.基于CIFAR-10的图像分类模型优化[J].计算机应用与软件,2018,35(03):177-181.

[5]杨梦卓,郭梦洁,方亮.基于keras的卷积神经网络的图像分类算法研究[J].科技风,2019(23):117-118.DOI:10.19392/j.cnki.1671-7341.201923098.

[6]韩凌锋. 基于FPGA的Cifar-10图像识别系统研究[D].江西理工大学,2021.DOI:10.27176/d.cnki.gnfyc.2021.000700.

基金项目：该论文受到沈阳航空航天大学大学生创新创业项目X202110143121的资助