图像分类 | 基于 Labelme 数据集和 VGG16 预训练模型实现迁移学习-编程知识

Hi，大家好，我是源于花海。本文主要使用数据标注工具 Labelme 对自行车（bike）和摩托车（motorcycle）这两种训练样本进行标注，使用预训练模型 VGG16 作为卷积基，并在其之上添加了全连接层。基于标注样本的信息和预训练模型的特征提取能力，训练自己构建的图像分类器，从而实现迁移学习。

一、导入必要库

二、定义目录变量

三、数据预处理--数据增强 + 标签处理

1. 定义图像数据生成器

2. 标注样本的数据说明

四、导入预训练网络--VGG16

五、模型构建

六、模型训练

七、可视化训练过程

八、模型预测

一、导入必要库

导入必要的库（os、json、numpy、matplotlib.pyplot 等，详见如下），设置相关配置（警告和字体），为后续的图像处理和深度学习任务做准备。

os： 用于与操作系统进行交互，例如文件路径操作等。
json： 处理JSON格式的数据。
numpy： 提供对多维数组进行操作的功能。
matplotlib.pyplot： 用于绘制图表和可视化。
keras.preprocessing.image： 包含用于图像处理的工具，如ImageDataGenerator。
keras.applications： 包含一些预训练的深度学习模型，这里导入VGG16。
keras.layers、keras.models、keras.optimizers： 用于构建深度学习模型的Keras组件。
PIL.Image： Python Imaging Library，用于图像处理。
warnings： 用于忽略警告信息。

import os
import json
import numpy as np
import matplotlib.pyplot as plt
from keras.preprocessing.image import ImageDataGenerator, load_img, img_to_array
from keras.applications import VGG16
from keras import layers, models, optimizers
from PIL import Image
import warnings# 忽略警告信息
warnings.filterwarnings("ignore")
# 设置中文显示
plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置黑体样式
plt.rcParams['axes.unicode_minus'] = False  # 正常显示负号

二、定义目录变量

首先定义基本目录和获取当前工作目录，设置训练集和验证集的文件夹路径，通过 "os.path.join" 连接各个目录，使用 "os.path.normpath" 规范化路径格式。构建包含训练和验证图像标签的 JSON 文件的目录。

通过定义相关目录和路径来指定训练集、验证集以及图像标签的存储位置，为后续的数据加载和训练做准备。

数据集一共有近 500 张图像，使用 split.py 脚本划分数据集，规定比例为训练集 72%，验证集 18%，测试集 10% 。

# 定义基本目录和获取当前工作目录
base_dir = r'dataset'
current_dir = os.getcwd()# 设置训练集和验证集的文件夹路径
train_dir = os.path.normpath(os.path.join(current_dir, base_dir, 'images', 'train'))
validation_dir = os.path.normpath(os.path.join(current_dir, base_dir, 'images', 'val'))# 构建到包含训练和验证图像标签的 JSON 文件的目录
train_labels_dir = os.path.normpath(os.path.join(current_dir, base_dir, 'json'))
validation_labels_dir = os.path.normpath(os.path.join(current_dir, base_dir, 'json'))

三、数据预处理--数据增强 + 标签处理

1. 定义图像数据生成器

定义了一个实时数据增强的生成器函数，该函数通过随机应用多种变换来实现图像数据的动态增强，同时提供了对应的标签信息，大大提高了模型的泛化能力。

设置ImageDataGenerator：创建了一个 ImageDataGenerator 对象，用于实施数据增强。设置了多种数据增强的参数，如像素值缩放、随机旋转、水平/垂直平移、剪切、随机缩放和水平翻转。
读取并处理标签信息：构建一个字典 labels_dict，用于存储图像文件名和对应的标签类别。通过读取 JSON 文件中的标签信息，将图像文件名与类别建立映射。

图像种类	bike（自行车）	motorcycle（摩托车）
标签量化	0	1

生成器主体部分：
- 获取图像文件列表，然后进入一个无限循环，每次循环生成一个批次的图像数据和对应的标签。
- 从图像文件列表中随机选择一个批次的图像索引，并加载图像，进行预处理，然后将其添加到批次列表中。
- 加载对应的标签，并将图像数据和标签作为批次的一部分返回。这是一个无限循环，可用于 Keras 模型的 fit_generator 函数进行模型训练。

# 实时数据增强--提高模型的泛化能力
def data_generator(directory, labels_directory, batch_size, target_size):ImageDataGenerator(rescale=1. / 255,  # 像素值缩放到 [0, 1] 之间rotation_range=40,  # 随机旋转角度范围width_shift_range=0.2,  # 水平平移范围height_shift_range=0.2,  # 垂直平移范围shear_range=0.2,  # 剪切强度zoom_range=0.2,  # 随机缩放范围horizontal_flip=True,  # 随机水平翻转fill_mode='nearest'  # 使用最近邻插值来填充新创建的像素)# 用于存储图像文件名和对应标签类别的映射labels_dict = {}# 读取标签信息并建立映射for json_file in os.listdir(labels_directory):if json_file.endswith('.json'):  # 确保文件是 JSON 格式的文件with open(os.path.join(labels_directory, json_file)) as f:  # 打开 JSON 文件json_data = json.load(f)  # 加载 JSON 数据# 处理 JSON 数据label = 1 if json_data["shapes"][0]["label"] == "motorcycle" else 0  # 根据标签信息确定类别（二分类--0/1）img_filename = os.path.basename(json_data["imagePath"])  # 获取图像文件名labels_dict[img_filename] = label  # 将图像文件名和对应标签类别存储在字典中image_list = [img for img in os.listdir(directory) if img.endswith('.png')]  # 获取图像文件列表while True:# 从图像文件列表中随机选择一个批次的图像索引batch_indices = np.random.choice(len(image_list), batch_size)batch_x = []  # 存储当前批次的图像数据batch_y = []  # 存储当前批次的类别数据for index in batch_indices:img_filename = image_list[index]  # 获取图像文件名# 加载并预处理图像img_path = os.path.join(directory, img_filename)  # 构建图像路径img = load_img(img_path, target_size=target_size)  # 加载并调整图像大小img_array = img_to_array(img)  # 将图像转换为 NumPy 数组img_array = img_array / 255.0  # 将像素值缩放到 [0, 1] 之间batch_x.append(img_array)  # 将图像数据添加到批次列表中# 加载标签batch_y.append(labels_dict[img_filename])  # 将对应的标签添加到批次标签列表中# 将批次的图像和标签转换为 NumPy 数组并返回作为生成器的一部分yield np.array(batch_x), np.array(batch_y)

2. 标注样本的数据说明

从指定的数据集中读取图像文件的标签信息，筛选并输出指定标签类别的图像文件名和对应的标签类别，并展示其中一部分标注信息。

函数参数： def get_labels(dataset_path, json_path, target_label, num_show=5):
- dataset_path：数据集的路径，包含图像文件。
- json_path：存储与图像文件对应标签信息的 JSON 文件的路径。
- target_label：目标标签类别，用于筛选图像。
- num_show：要显示的图像数量，默认为 5。
初始化一个列表，用于存储图像文件名和对应标签类别： image_labels = []
遍历数据集中的图像文件：
- 对数据集中的每个图像文件进行遍历。
- 构建与图像文件对应的 JSON 文件路径，读取 JSON 文件，并获取标签信息。
- 如果标签与目标标签一致，将图像文件名和对应标签类别添加到 image_labels 列表中。
输出图像文件名和对应标签类别： 设置数据集和 JSON 文件路径，调用 get_labels 函数，只展示每种图像的前五张和后五张的标注信息。

def get_labels(dataset_path, json_path, target_label, num_show=5):# 初始化一个列表，用于存储图像文件名和对应标签类别image_labels = []# 遍历数据集中的图像文件for image_file in os.listdir(dataset_path):if image_file.endswith('.png'):# 构建与图像文件对应的JSON文件路径json_file_path = os.path.join(json_path, image_file.replace('.png', '.json'))# 读取JSON文件，获取标签信息with open(json_file_path) as f:json_data = json.load(f)label = json_data["shapes"][0]["label"]# 将图像文件名和对应标签类别存储在列表中if label == target_label:image_labels.append((image_file, label))# 输出图像文件名和对应标签类别print(f"{target_label}的图像文件名和对应标签类别:")total_images = len(image_labels)for i, (image_file, label) in enumerate(image_labels[:num_show]):print(f"文件名: {image_file}, 标签类别: {label}")if total_images > num_show * 2:print("......")for i, (image_file, label) in enumerate(image_labels[-num_show:]):print(f"文件名: {image_file}, 标签类别: {label}")# 数据集和JSON文件路径
dataset_path = './dataset/PNGImages'
json_path = './dataset/json'
# 输出bike和输出motorcycle的图像文件名和标签类别
get_labels(dataset_path, json_path, 'bike')
get_labels(dataset_path, json_path, 'motorcycle')

四、导入预训练网络--VGG16

VGG16 卷积神经网络 —— 13 层卷积层和 5 层池化层 负责进行特征的提取，最后的 3 层全连接层 负责完成分类任务。

VGG16 的卷积核：（每层卷积的滑动步长 stride=1，padding=1）

conv3-xxx： 卷积层均为 3×3 的卷积核，xxx表示通道数。其步长为 1，用 padding=same 填充；
input： 输入图片大小为 224×244 的彩色图像，通道为3（RGB image），即 224×224×3；
maxpool： 最大池化，在 VGG16 中，pooling 采用的是 2×2 的最大池化方法；
FC-4096： 全连接层中有 4096 个节点，同样地，FC-1000 为该层全连接层有 1000 个节点；
padding： 对矩阵在外边填充 n 圈，padding=1 即填充 1 圈，5×5 大小的矩阵，填充一圈后变成 7X7 大小；

因 VGG16 网络用于 1000 分类，而该任务只是二分类，故需修改 VGG16 网络的全连接层，同时冻结原网络的特征提取层（卷积层和池化层的权重保持不变），防止权重更新而破坏预训练权重，减少训练时间和计算资源。

使用 Keras 中的 VGG16 模型实例作为卷积基础（conv_base），并使用 ImageNet 上的预训练权重，通过将卷积层设为不可训练，可以在此基础上构建自定义的全连接网络，从而适应特定的图像分类任务，而无需重新训练 VGG16 的卷积层。

conv_base = VGG16(include_top=False,  # 不包含顶层的全连接网络weights='imagenet',  # 使用 ImageNet 数据集上的预训练权重input_shape=(150, 150, 3))  # 输入图像的形状为 150x150 像素，RGB 三通道
conv_base.trainable = False  # 冻结 VGG16 的卷积层，使之不被更新conv_base.summary()  # 显示VGG16模型的摘要

五、模型构建

构建了一个顺序模型（Sequential Model），使用了预训练的 VGG16 模型作为卷积基础，添加了全连接层来适应特定的图像分类任务。

输出层使用 sigmoid 激活函数（适用于二分类）
使用 binary_crossentropy 二分类交叉熵作为损失函数。
使用 RMSprop 优化器，学习率为 2e-5。

model = models.Sequential()  # 创建顺序模型
model.add(conv_base)  # 将预训练的 VGG16 模型添加到顺序模型中
model.add(layers.Flatten())  # 将卷积层输出的多维数据展平成一维
model.add(layers.Dense(256, activation='relu'))  # 256个神经元的全连接层，ReLU 激活函数
model.add(layers.Dense(1, activation='sigmoid'))  # 1个神经元的输出层，sigmoid 激活函数，进行二分类
# model = VGG16()
model.summary()  # 输出模型的结构摘要model.compile(loss='binary_crossentropy',  # 使用二分类交叉熵作为损失函数optimizer=optimizers.RMSprop(lr=2e-5),  # 使用 RMSprop 优化器，学习率为 2e-5metrics=['acc'])  # 监控模型的准确率

六、模型训练

设置数据生成器的批处理和图像大小，设定训练 25 次，观察训练过程及其训练集和验证集的准确率、损失率。

# 模型训练的参数准备
batch_size = 20  # 设置数据生成器的批处理大小
target_size = (150, 150)  # 设置将图像调整大小为 (150, 150) 的目标大小history = model.fit(data_generator(train_dir, train_labels_dir, batch_size, target_size),  # 使用自定义数据生成器产生训练数据steps_per_epoch=len(os.listdir(train_dir)) // batch_size,  # 每个 epoch 中迭代的步数epochs=25,  # 训练的总 epoch 数validation_data=data_generator(validation_dir, validation_labels_dir, batch_size, target_size),# 使用自定义数据生成器产生验证数据validation_steps=len(os.listdir(validation_dir)) // batch_size
)

七、可视化训练过程

经过 25 轮的训练后，基于下方的 "loss/acc" 的可视化图，可以看出训练集和验证集的准确率稳定地高达 100%，训练集的损失率最低能达到 0.55%，验证集的损失率最低能达到 0.95%，可见该模型的训练效果非常好。

train_acc = history.history['acc']
train_loss = history.history['loss']
val_acc = history.history['val_acc']
val_loss = history.history['val_loss']epoch = range(1, len(train_acc) + 1)plt.figure(figsize=(8, 5))
plt.plot(epoch, train_acc, color='green', label='train_acc')  # 训练集准确率
plt.plot(epoch, val_acc, color='blue', label='val_acc')  # 验证集准确率
plt.plot(epoch, train_loss, color='orange', label='train_loss')  # 训练集损失率
plt.plot(epoch, val_loss, color='red', label='val_loss')  # 验证集损失率
plt.title("VGG16 Model")plt.xlabel('Epochs', fontsize=12)
plt.ylabel('loss/acc', fontsize=12)
plt.legend(fontsize=11)
plt.ylim(0, 1)  # 设置纵坐标范围为0-1
plt.show()

八、模型预测

通过定义图像预测函数，读取测试集文件夹，以 25 个结果为一个批次，输出最终预测的结果。结果显示，测试集的 49 个图片都能被准确地预测出来。

# 定义单张图像的预测函数
def predict_image(model, image_path, target_size):img = Image.open(image_path)  # 打开图像文件img = img.resize(target_size)  # 调整图像大小img_array = img_to_array(img)  # 将图像转换为数组img_array = img_array / 255.0  # 对图像进行归一化处理img_array = img_array.reshape((1,) + img_array.shape)  # 将图像数组形状调整为符合模型输入要求# 使用模型进行图像预测prediction = model.predict(img_array)[0, 0]return prediction# 定义显示一组图像及其结果的函数
def display_images_with_results(image_paths, predictions):plt.figure(figsize=(15, 10))for i, (image_path, prediction) in enumerate(zip(image_paths, predictions), 1):plt.subplot(5, 5, i)  # 调整子图显示img = Image.open(image_path)  # 打开图像文件# 根据预测概率确定预测类别predicted_class = "motorcycle" if prediction > 0.5 else "bike"plt.imshow(img)  # 显示图像plt.title(f"文件名: {os.path.basename(image_path)}\n预测类别: {predicted_class}")plt.axis('off')plt.tight_layout()plt.show()# 设置测试集文件夹路径
test_dir = os.path.normpath(os.path.join(current_dir, base_dir, 'images', 'test'))
# 初始化空列表，用于存储每组25个结果的信息
batch_image_paths, batch_predictions, batch_actual_labels = [], [], []# 循环遍历测试文件夹中的图像文件
for i, image_file in enumerate(os.listdir(test_dir), 1):if image_file.endswith('.png'):image_path = os.path.join(test_dir, image_file)  # 构建图像文件的完整路径# 使用定义的图像预测函数进行预测prediction = predict_image(model, image_path, target_size)# 将结果添加到当前批次中batch_image_paths.append(image_path)batch_predictions.append(prediction)# 如果达到每组25个结果，调用显示函数并清空当前批次信息if i % 25 == 0:display_images_with_results(batch_image_paths, batch_predictions)batch_image_paths, batch_predictions = [], []# 如果还有剩余结果不足25个，调用显示函数
if batch_image_paths:display_images_with_results(batch_image_paths, batch_predictions)