《昇思 25 天學習打卡營第 10 天 | ResNet50 遷移學習 》

活動地址：https://xihe.mindspore.cn/events/mindspore-training-camp
簽名：Sam9029

---

使用遷移學習進行狼狗圖像分類

簡介

在機器學習和深度學習中，我們經常面臨數據不足的問題。
遷移學習是一種解決這一問題的有效方法。

本章節將通過一個簡單的案例，介紹如何使用遷移學習對狼和狗的圖像進行分類。

遷移學習概念

遷移學習是一種學習方式，它允許我們將在一個大型數據集（如 ImageNet）上預訓練的模型應用于一個新的、通常較小的數據集。這樣，我們可以利用預訓練模型已經學到的特征，而不必從頭開始訓練整個網絡。

使用模型 ResNet50

• ResNet50 是一種深度卷積神經網絡（CNN）架構, 由微軟研究院的 Kaiming He 等人在 2015 年提出，并在多個視覺識別任務中取得了突破性的性能。

ResNet50 的應用：
圖像分類：ResNet50 可以用于將圖像分類到 1000 個類別中，這是 ImageNet 數據集的標準任務。
物體檢測：通過將 ResNet50 與區域建議網絡（Region Proposal Networks, RPN）結合，可以用于物體檢測任務。
語義分割：ResNet50 也可以用于像素級的圖像理解，即語義分割，其中每個像素都被分類到相應的類別。

數據準備

首先，我們需要下載并準備數據集。在這個案例中，我們使用的是來自 ImageNet 的狼和狗的圖像數據集。

from download import download
dataset_url = "https://mindspore-website.obs.cn-north-4.myhuaweicloud.com/notebook/datasets/intermediate/Canidae_data.zip"
download(dataset_url, "./datasets-Canidae", kind="zip", replace=True)

加載和增強數據集

使用 MindSpore 的數據集加載接口ImageFolderDataset來加載數據，并進行一些圖像增強操作，如隨機裁剪、水平翻轉等。

import mindspore.dataset as ds
import mindspore.dataset.vision.c_transforms as visiondef create_dataset_canidae(dataset_path, usage):"""數據加載"""data_set = ds.ImageFolderDataset(dataset_path,num_parallel_workers=workers,shuffle=True,)# 數據增強操作mean = [0.485 * 255, 0.456 * 255, 0.406 * 255]std = [0.229 * 255, 0.224 * 255, 0.225 * 255]scale = 32if usage == "train":# Define map operations for training datasettrans = [vision.RandomCropDecodeResize(size=image_size, scale=(0.08, 1.0), ratio=(0.75, 1.333)),vision.RandomHorizontalFlip(prob=0.5),vision.Normalize(mean=mean, std=std),vision.HWC2CHW()]else:# Define map operations for inference datasettrans = [vision.Decode(),vision.Resize(image_size + scale),vision.CenterCrop(image_size),vision.Normalize(mean=mean, std=std),vision.HWC2CHW()]# other code ...

訓練模型&&訓練過程

我們選擇 ResNet50 作為基礎模型，并對其進行調整以適應我們的分類任務。

def resnet50(num_classes: int = 1000, pretrained: bool = False):"ResNet50模型"resnet50_url = "https://mindspore-website.obs.cn-north-4.myhuaweicloud.com/notebook/models/application/resnet50_224_new.ckpt"resnet50_ckpt = "./LoadPretrainedModel/resnet50_224_new.ckpt"return _resnet(resnet50_url, ResidualBlock, [3, 4, 6, 3], num_classes,pretrained, resnet50_ckpt, 2048)

• 固定特征進行訓練
• 訓練和評估
• 可視化模型預測

---

學嘛了，完全是懵懵懂懂的，跑了一篇流程，收獲就是知道了計算機視覺 識別圖片的 過程,
使用 全卷積化 網絡的 深度學習網絡模型，來對圖片進行分類和識別