基于Keras 的图像分类模型的研究与应用

闫琳英YAN Lin-ying

（西安工商学院，西安 710200）

0 引言

近几年，人工智能及深度学习技术的应用领域越来越广泛，这使得图像分类识别已成为计算机视觉领域的研究热点，也是解决海量图像分类的关键[1]。卷积神经网络作为图像识别的关键技术，能有效解决图像的分类问题，但其构建模型复杂，模型训练时间较长，也容易出现过拟合等问题[2]。借助TensorFlow 平台的Keras 接口[3]能够简化模型的构建，减少模型的训练时间。因此，本文基于Keras 框架开发一种图像识别模型，通过改进传统模型中的损失函数，并引入DropOut 技术，对Fashion-MNIST 数据集进行识别，具有一定的实用价值。

1 Keras 及Tensorflow 介绍

1.1 Keras 框架

Keras 是一个基于theano/tensorflow 的深度学习框架，是tensorflow2 引入的高封装度的框架，可以用于快速搭建神经网络模型，是作为一个高阶API，支持快速原型设计，可快速搭建神经网络模型[4]。采用Python 语言编写，支持GPU 和CPU。采用Keras 框架进行深度学习模型的搭建，能够有效减少模型的代码量，提高模型的复用性，进而提高实验效率。

1.2 TensorFlow 平台

TensorFlow 是由谷歌研发的一款用于高性能计算的开源软件库[5]。其基于数据流图的形式表述计算。被广泛应用于图像处理、自然语言理解等领域。与TensorFlow1.x 版本不同，TensorFlow2.0 采用Eager 模式搭建原型，不需要建立Session 就可直接运行模型[6]。在搭建模型上TensorFlow2.0 更加方便快捷。TensorFlow2.0 更推荐使用tf.Keras、tf.data 等高级接口，简化模型的搭建和训练。

2 基于Keras 的图像分类模型

2.1 Keras 构建模型的一般步骤

Keras 接口较于其他平台，构建模型更模块化，代码更易理解。采用Keras 序列模型进行建模与训练过程一般分为以下五步：

①创建一个Sequential 模型，并在Sequential()方法中添加从输入层到输出层的网络模型结构；

②通过“compile()”定义训练模式，选择模型训练时使用的优化器、损失函数和模型评估指标；

③训练模型，通过“fit()”方法对模型进行迭代训练；设置训练集和测试集的输入及标签、批次大小和迭代次数等；

④评估模型，通过“evaluate()”对模型进行评估，一般通过模型的损失和准确率评估模型的效果；

⑤应用模型，通过“predict()”对模型进行结果预测。

2.2 基于Keras 的图像分类模型

本文提出的图像分类模型在传统卷积神经网路的基础上，通过优化模型中的损失来提高模型的准确率，并增加Dropout 技术降低模型发生过拟合的概率。本模型总共有七层，分别为输入层、三次卷积、三次池化和两层全连接，最后输出图像的类别。

2.2.1 模型结构（图1）

图1 基于Keras 的图像分类模型

输入层：输入图像大小为28*28 的图片。

卷积层：卷积核大小为3*3，采用Relu 激活函数；经过一次卷积后调用tf.keras.layers.Dropout()方法防止模型过拟合。

降采样层：池化方式一般有两种，最大池化和评平均池化，本模型中选择最大池化方式，可减少网络的参数和计算的数据量，有效防止过拟合。

通过四次卷积和三次池化之后，接着两次全连接层，调用softmax 激活函数对结果进行分类，最终得到样本所属类别的概率。

2.2.2 损失函数

在分类模型中，一般会采用交叉熵损失函数。本文提出的模型最终是要进行图像的多分类，因此采用多分类交叉熵损失函数。针对采用整数类型的标签类别数据，Keras提供的tf.keras.losses.sparse_categorical_crossentropy()方法更为简便，无需对标签数据先进行one_hot 编码就能直接使用。因此本文采用此方法作为模型的损失函数，该函数公式如下：

其中，m 为样本数，k 为标签类别数，对于多分类问题，通常与softmax 激活函数一起使用。

该函数定义为：

tf.keras.losses.sparse_categorical_crossentropy (y_true,y_pred, from_logits=False, axis=-1)，其中y_true：实际标签值；y_pred:预测值；from_logits：默认为False，表示输出层经过了概率处理（softmax），当接收到了原始的logits，则为True；axis：计算交叉熵的维度，默认是-1。

2.2.3 DropOut 技术

在深度学习模型中，若参数过多，训练样本太少，模型很容易出现过拟合的现象[7]。过拟合问题是模型在训练集的表现结果好，但是在测试数据集的拟合效果却不理想。为了解决模型的过拟合问题，在模型训练过程中，随机丢弃部分神经元来避免过拟合，这种技术叫做Dropout 技术[8]。具体来说，神经网络的训练过程中，对于每一轮训练中的神经网络单元，Dropout 技术根据概率值（p）将其随机丢掉，在模型训练过程中该神经元就失去作用。在模型训练时，Dropout 会遍历神经网络中所有层的所有节点，以概率p 来决定保留还是丢弃神经元节点。遍历完成后，删除丢弃的神经元对应的连线，从而达到减少节点数、降低网络复杂度的目的。这样就可以有效缓解过拟合的发生，在一定程度上达到正则化的效果。

经Dropout 之后的神经网络模型如图2 所示。

图2 Dropout 技术

3 图像分类模型的应用

3.1 Fashion-MNIST 数据集介绍

Fashion-MNIST 与MNIST 手写字数据集不同，它是一个图像数据集，涵盖了来自10 种类别的共7 万个不同商品的正面图片，是由Zalando 旗下的研究部门提供[9]。Fashion-MNIST 数据集的图片大小为28*28 的灰度图片，训练数据集共60000 个样本，测试数据集共10000个样本。

Fashion-MNIST 数据集有十个分类，分别是：t-shirt（T恤），trouser（牛仔裤），pullover（套衫），dress（裙子），coat（外套），sandal（凉鞋），shirt（衬衫），sneaker（运动鞋），bag（包），ankle boot（短靴）。（图3）

图3 Fashion-MNIST 数据集样本

3.2 模型结果对比分析

在本次实验中，使用keras 建立的模型，经过20 次迭代训练，批次大小为100，最终通过可视化可看到模型在整个训练过程中损失一直减小，准确率达到了97.8%左右。模型的损失Loss 和准确率Accuracy 如图4所示。

4 结语

本文通过调用TensorFlow 框架的高级接口Keras 进行图像识别模型的构建，以Fashion-MNIST 作为本次模型的数据集，通过调用tf.keras 提供的多分类交叉熵损失函数及Dropout 技术，研究了基于Keras 的卷积神经网络实现图像识别分类。通过模型的多次迭代及参数调整，最终实验结果验证了本文所构建的图像分类模型具有较高的准确率。