米克熱依·迪里夏提，張?zhí)t

(新疆農(nóng)業(yè)大學(xué) 計(jì)算機(jī)與信息工程學(xué)院，新疆 烏魯木齊 830001)

0 引 言

近年來，突出馬品種多元化發(fā)展、豐富馬產(chǎn)業(yè)文化內(nèi)涵已成為現(xiàn)代馬產(chǎn)業(yè)發(fā)展趨勢(shì)之一?，F(xiàn)代化馬產(chǎn)業(yè)體系中信息的采集、個(gè)體檔案的創(chuàng)建、執(zhí)行方案的制定以及品種溯源等，都需要對(duì)馬匹進(jìn)行快速準(zhǔn)確的品種識(shí)別[1]。馬品種的分類和識(shí)別一般以頭部形狀、別征、毛色等外貌特征為主要依據(jù)。目前，對(duì)于馬品種的識(shí)別和管理主要靠人工進(jìn)行，人工識(shí)別不但費(fèi)時(shí)費(fèi)力、費(fèi)資并效率低。與此同時(shí)一般的非專業(yè)人員識(shí)別時(shí)會(huì)容易搞混。隨著機(jī)器視覺理論研究的深入，圖像的智能識(shí)別與應(yīng)用已成為人工智能領(lǐng)域的熱點(diǎn)。圖像識(shí)別與人工識(shí)別相比，其獨(dú)到之處是省時(shí)省力、效率高，不但能在種群生活的時(shí)間內(nèi)實(shí)現(xiàn)實(shí)時(shí)監(jiān)測(cè)，還能在不依賴人類視覺的情況下，實(shí)現(xiàn)行為的量化。當(dāng)前，在對(duì)目標(biāo)物體進(jìn)行識(shí)別和分類的過程中，深度學(xué)習(xí)算法具有很好的效果。深度神經(jīng)網(wǎng)絡(luò)算法相較于早期依賴于先驗(yàn)知識(shí)進(jìn)行特征提取的算法具有更強(qiáng)的敏捷性和適用性，可以使訓(xùn)練樣本滿足不同的網(wǎng)絡(luò)構(gòu)建特征。特別是在自動(dòng)學(xué)習(xí)和圖像特征提取方向上，卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural networks，CNN)這一重要的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)算法具備較大的優(yōu)勢(shì)，這一算法已被應(yīng)用到了圖像識(shí)別、搜索引擎等領(lǐng)域，并取得了重大突破[2]。

1 卷積神經(jīng)網(wǎng)絡(luò)

卷積神經(jīng)網(wǎng)絡(luò)(CNN)是為了處理二維數(shù)據(jù)而構(gòu)造的多層次網(wǎng)絡(luò)結(jié)構(gòu)。采用卷積運(yùn)算逐層提取圖片不同層次的語義，再靠數(shù)據(jù)樣本的訓(xùn)練擬合調(diào)節(jié)每層卷積核的參數(shù)，然后在無監(jiān)督學(xué)習(xí)下完成分類特征的提取。特征映射層和特征提取層被看作是卷積神經(jīng)網(wǎng)絡(luò)特有的神經(jīng)元層。特征映射層(卷積層)的每個(gè)神經(jīng)元的輸入與前一層局部相連，靠卷積核數(shù)對(duì)二維數(shù)據(jù)完成卷積操作，并添加偏置向，提取當(dāng)前局部特征，二次特征提取和求局部敏感性是通過特征提取層(降采樣層、池化層、取樣層)完成的[3]。卷積層和池化層在卷積神經(jīng)網(wǎng)絡(luò)中是按先后順序出現(xiàn)的，并依次完成特征提取的工作。通過連續(xù)取征，使神經(jīng)網(wǎng)絡(luò)在對(duì)輸入樣本進(jìn)行識(shí)別時(shí)具備較高的特征學(xué)習(xí)能力。卷積層中的特征映射是選取前一網(wǎng)絡(luò)層中特征像的各角度特征，使其擁有扭轉(zhuǎn)、位移不變的特性[4]。得益于CNN的權(quán)值共享能力，因而在不同的平面間的映射可以理解為卷積的過程，計(jì)算公式如下:

(1)

其中，n表示網(wǎng)絡(luò)層數(shù)；K表示卷積核；Mj表示一種輸入特征圖的組合方式；b表示所有輸出特征圖必須具備的偏置項(xiàng)[5]。需要特別注意的是，因?yàn)橐粋€(gè)輸出特征圖可能關(guān)聯(lián)一個(gè)或多個(gè)輸入特征圖，如果關(guān)聯(lián)多個(gè)輸入特征圖時(shí)，這些輸入特征圖需要對(duì)應(yīng)各自的卷積核。池化層的任務(wù)是在上一層相似特征互相疊加的基礎(chǔ)上，完成第二次特征提取，從而達(dá)到降低隱含層空間分辨率的目的。其次，它主要作用于圖片中不重疊的區(qū)域，神經(jīng)元X的計(jì)算公式如下:

(2)

其中，down()函數(shù)是一種下采樣函數(shù)，依據(jù)池化操作計(jì)算方式的區(qū)別分為平均池化和最大池化[6]。

由于卷積神經(jīng)網(wǎng)絡(luò)通過卷積、池化等操作獲取的特征值來計(jì)算損失差，并且使用反向傳播算法更新網(wǎng)絡(luò)參數(shù)，再通過分類器分類并得出識(shí)別結(jié)果，因此可否提取有效的特征值對(duì)于識(shí)別率的提高至關(guān)重要。而池化算法決定亞采樣的結(jié)果，通過對(duì)該特征提取過程進(jìn)行優(yōu)化，對(duì)于識(shí)別率的提高意義重大。

2 自適應(yīng)池化

圖像池化從屬于特征提取的質(zhì)量，而提取的圖像特征對(duì)識(shí)別率有很大的影響，常見的平均池化和最大池化模型都屬于經(jīng)典池化模型[7]。在池化操作中，平均池化模型先是對(duì)池化域中的所有值求和取平均，再把平均后的值作為子采樣的特征值；而最大池化模型是取池化域內(nèi)元素值最大的，并把它作為子采樣特征值。最大池化計(jì)算公式如下:

(3)

其中，Rij表示池化值；公式第一項(xiàng)表示在大小為a×a的池化域中取最大值，a表示池化邊長(zhǎng)；b表示偏置[8]。

由于最大值池化僅對(duì)池化域中的元素取最大值，因此并不總會(huì)獲取到有效信息。如圖1所示，在2×2的池化域中a3為最大值，在a1,a2未知的環(huán)境下，池化域的特征值用最大值代替時(shí)會(huì)影響圖片特征提取的精確度，從而影響到后期的分類工作。

圖1 最大池化域示意

針對(duì)馬品種圖像，由于其品種間差異大、圖像背景豐富，再加上馬體別征的多樣性和馬體姿勢(shì)的多變性，使得經(jīng)典的池化方法難以獲取有用的特征值。為了最大限度提高模型的識(shí)別率，因此，在最大池化算法的基礎(chǔ)上，用插值法建立數(shù)學(xué)模型并進(jìn)行函數(shù)模擬[9]。其算法如下：

(4)

其中，μ表示池化因子，其原理是用μ改進(jìn)最大池化算法。優(yōu)化后的算法能夠更精確地獲取特征[10]。μ的計(jì)算公式如下：

(5)

其中，c表示池化域中除最大值之外元素的平均值；vmax表示池化域中的最大值；δ表示糾正誤差項(xiàng)；θ表示特征系數(shù)[11]，計(jì)算公式如下：

(6)

其中，nepoch為訓(xùn)練次數(shù)，通過特征系數(shù)和池化域內(nèi)各項(xiàng)值決定池化因子μ的值。池化因子在池化域大小已定以及迭代周期保持不變的情況下，是靠池化域的不同自適應(yīng)取值；池化因子面臨同一個(gè)池化域時(shí)，會(huì)根據(jù)迭代輪數(shù)的不同，動(dòng)態(tài)調(diào)整并達(dá)到最優(yōu)。池化因子μ∈(0，1)，這樣既能在處理最大值特征明顯的池化域時(shí)不失去精度，又能減小最大池化對(duì)其他池化域的影響，從而幫助卷積神經(jīng)網(wǎng)絡(luò)在不同次數(shù)的迭代下對(duì)不同池化域時(shí)可以獲取到更加精準(zhǔn)的特征，使自適應(yīng)池化層提取到的特征值能夠最大程度地反映原始輸入圖像。

卷積神經(jīng)網(wǎng)絡(luò)的卷積和池化過程都是在原始圖像或者特征圖像上經(jīng)過從上到下、從左到右等滑窗操作實(shí)現(xiàn)的，因此可以用卷積完成自適應(yīng)池化。由圖2(a)所示，輸入的特征像尺寸為3×3，卷積核尺寸為2×2，以步長(zhǎng)為1進(jìn)行卷積后的特征像尺寸為3×3，以步長(zhǎng)為2進(jìn)行池化后得到的特征像尺寸為2×2。由該過程可知，卷積結(jié)果相對(duì)于池化結(jié)果是從第2行第2列開始的偶數(shù)坐標(biāo)值累加，而圖2(b)表示，將卷積結(jié)果從第2行第2列開始的偶數(shù)坐標(biāo)值進(jìn)行刪除操作即可得到池化結(jié)果[12]。

圖2 卷積池化操作

圖2(a)是大小為4×4的特征圖，現(xiàn)有四個(gè)大小為2×2的卷積核分別為:

完成卷積計(jì)算后提取到4個(gè)大小為3×3的特征圖，將其合并成4×3×3的多維矩陣，定義為T1，對(duì)該空間矩陣求取對(duì)應(yīng)位置的最大值即可得到1×3×3的矩陣T2，對(duì)T2進(jìn)行如上所述刪除操作即可得到最大池化的結(jié)果[13]。

自適應(yīng)池化是在卷積的基礎(chǔ)上實(shí)現(xiàn)的，在得到T1后，在4個(gè)二維矩陣上進(jìn)行對(duì)應(yīng)位置的求和運(yùn)算得到T3，再計(jì)算T3-T2，求剩余元素個(gè)數(shù)的平均值，即可得到式3中c的取值，根據(jù)式4以及c值即可求出池化因子μ值，由此可得自適應(yīng)池化的結(jié)果。由自適應(yīng)池化算法及實(shí)現(xiàn)過程可知，自適應(yīng)池化是根據(jù)卷積與原經(jīng)典池化的方式實(shí)現(xiàn)的，并未引進(jìn)其他需要訓(xùn)練的變量，從而沒有影響神經(jīng)網(wǎng)絡(luò)的反向傳播算法更新參數(shù)的過程。

3 實(shí)驗(yàn)方法

3.1 數(shù)據(jù)預(yù)處理

3.1.1 數(shù)據(jù)集來源

文中數(shù)據(jù)集是由新疆伊寧市新源縣馬場(chǎng)和昭蘇馬場(chǎng)提供，部分?jǐn)?shù)據(jù)是通過網(wǎng)絡(luò)收集得來的。數(shù)據(jù)集中馬品種圖片都是RGB的、高分辨率的，其分辨率約為2 355×1 828像素。通過對(duì)拍攝和下載得到的圖片進(jìn)行研究和整理，將圖像分成8個(gè)品種。如表1所示。

表1 自適應(yīng)池化

3.1.2 圖片歸一化

在原始圖像的采集過程中，由于圖像來源于不同的拍攝設(shè)備，圖像的尺度和焦點(diǎn)并不一致。由于卷積神經(jīng)網(wǎng)絡(luò)卷積過程對(duì)圖像尺寸沒有嚴(yán)格要求，因此輸入圖像經(jīng)過卷積層后生成的特征圖譜的大小會(huì)不一樣，如果隱藏層直接與全連接層連接，則要訓(xùn)練的連接權(quán)值矩陣的大小會(huì)隨輸入圖像的大小而改變，導(dǎo)致無法在同一個(gè)網(wǎng)絡(luò)結(jié)構(gòu)中用BP反向傳播算法完成訓(xùn)練[14]。因此，將文中用到的所有馬品種圖像都?xì)w一化到224×224像素。為了保證縮放后的圖像不失真，在縮放圖像之前用resize-image函數(shù)對(duì)圖像四邊進(jìn)行了一次判斷，根據(jù)判斷結(jié)果再通過增加黑色邊框的方式把圖像變成正方形，確保了圖像的不失真。圖3是吉普賽馬圖像縮放后的示例。

圖3 圖像歸一化

3.1.3 數(shù)據(jù)擴(kuò)增

通過深度學(xué)習(xí)進(jìn)行圖像分類時(shí)，需要具備足夠的樣本數(shù)據(jù)進(jìn)行訓(xùn)練和驗(yàn)證，而當(dāng)遇到樣本數(shù)據(jù)量不足的情況時(shí)，必須通過數(shù)據(jù)擴(kuò)增來彌補(bǔ)數(shù)據(jù)量不足的問題。對(duì)樣本數(shù)據(jù)采用平移、旋轉(zhuǎn)等方法，生成一定數(shù)量的子圖像，由于這些圖像是通過原圖像產(chǎn)生的，也具備一定的可分類性[15]。除此之外，通過數(shù)據(jù)擴(kuò)增可以解決一定程度上數(shù)據(jù)樣本不均衡的問題。圖4是阿克哈-塔克馬(Akhal-Teke)用圖像數(shù)據(jù)擴(kuò)充后的案例，圖4(a)為原圖像，圖4(b)是原圖像經(jīng)過水平移動(dòng)、旋轉(zhuǎn)、水平反轉(zhuǎn)后獲得的圖像(M=10)。水平移動(dòng)有利于改善特征定位在極小的面部挪動(dòng)的條件下的魯棒性；旋轉(zhuǎn)使得模型可以學(xué)習(xí)適應(yīng)復(fù)雜的姿勢(shì)變化，從而解決了數(shù)據(jù)樣本不平衡和少的問題。

圖4 數(shù)據(jù)擴(kuò)增

3.2 模型設(shè)計(jì)

文中模仿Alex Net網(wǎng)絡(luò)框架，設(shè)計(jì)了11層的卷積網(wǎng)絡(luò)結(jié)構(gòu)，包括3個(gè)卷積層、3個(gè)池化層、2個(gè)dropout層和1個(gè)全連接層以及輸入輸出層。首先輸入層的圖像為224×224像素的RGB圖像；卷積層conv1到conv3的卷積核數(shù)目分別是32、32、64，全部卷積核大小為5×5，對(duì)所有卷積都使用非線性激活函數(shù)ReLU，采用輸入輸出大小一致的方法把padding均設(shè)為1；池化層類型均為自適應(yīng)池化(DA-pooling)，核大小均為2×2；Dropout層需確定一個(gè)參數(shù)表示舍棄激活層神經(jīng)元值的比例，文中Dropout層舍棄比例分別為0.25、0.5，從而避免訓(xùn)練集復(fù)用造成的過擬合現(xiàn)象。為了便于理解，在圖5中主要繪制了特征映射層、特征提取層和全連接層這三層網(wǎng)絡(luò)。預(yù)處理圖像后傳入到網(wǎng)絡(luò)中，主要通過特征映射層(卷積層、Conv)和特征提取層(自適應(yīng)池化，DA-Pooling)交替疊加生成，全連接層(Fc)在Pool3之后。隱含層具備參數(shù)量少的優(yōu)點(diǎn)，因?yàn)楦鲗又g是通過局部相連和權(quán)值共享的方式建立連接。最后通過SoftMax函數(shù)對(duì)全連接層輸出特征分類，并輸出分類結(jié)果。

圖5 Horse Net網(wǎng)絡(luò)結(jié)構(gòu)

4 實(shí)驗(yàn)結(jié)果與分析

4.1 實(shí)驗(yàn)設(shè)置

實(shí)驗(yàn)是通過Keras框架完成的。采用上文描述的CNN結(jié)構(gòu)，通過輸入規(guī)定格式的訓(xùn)練集樣本數(shù)據(jù)進(jìn)行參數(shù)訓(xùn)練，采用高斯分布作為網(wǎng)絡(luò)初始權(quán)重的初始化方法，選取高斯分布標(biāo)準(zhǔn)差為0.01，均值為0。每次批量訓(xùn)練用8張圖片。訓(xùn)練集中所有圖片遍歷一次看作是一次迭代(epoch)的過程，一共迭代1 000次。優(yōu)化模型采用的是隨機(jī)梯度下降優(yōu)化算法(stochastic gradient descent，SGD)，算法動(dòng)量因子設(shè)置為0.9。設(shè)置權(quán)重參數(shù)的初始學(xué)習(xí)速率為0.001。用“accuracy”方法評(píng)估模型性能,即為準(zhǔn)確率。按照8∶1∶1比例在原始數(shù)據(jù)集上做分層取樣，其中1 861個(gè)樣本用于訓(xùn)練集，186個(gè)樣本用于驗(yàn)證集，187個(gè)樣本用于測(cè)試集。

4.2 池化層構(gòu)建方法與數(shù)據(jù)擴(kuò)增對(duì)實(shí)驗(yàn)結(jié)果的影響

不斷使用驗(yàn)證集在訓(xùn)練過程中實(shí)時(shí)評(píng)測(cè)模型的預(yù)測(cè)性能，進(jìn)而優(yōu)化模型，將驗(yàn)證集預(yù)測(cè)的準(zhǔn)確率最高的一輪訓(xùn)練結(jié)果選取為最終模型，并用于預(yù)測(cè)測(cè)試集數(shù)據(jù)。在上文為網(wǎng)絡(luò)訓(xùn)練設(shè)置的參數(shù)不變的情況下，分別對(duì)使用最大池化、自適應(yīng)池化以及數(shù)據(jù)擴(kuò)增的卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并在測(cè)試集上測(cè)試模型準(zhǔn)確率和誤差。文中一共做了三組實(shí)驗(yàn)。實(shí)驗(yàn)一是在無數(shù)據(jù)擴(kuò)增、無自適應(yīng)池化的條件下搭建最初的網(wǎng)絡(luò)并進(jìn)行學(xué)習(xí)。由圖6(a)可得，沒有數(shù)據(jù)擴(kuò)增、無自適應(yīng)池化的網(wǎng)絡(luò)在訓(xùn)練次數(shù)超過300后，驗(yàn)證集損失值(Validation Loss)開始不斷上升，模型出現(xiàn)了較為嚴(yán)重的過擬合現(xiàn)象。這種嚴(yán)重的過擬合現(xiàn)象影響了模型的準(zhǔn)確率，由表2第一行可見，模型在各數(shù)據(jù)集上的準(zhǔn)確率較低、損失值偏高，測(cè)試集上的準(zhǔn)確率也只有71.09%。為了改善模型，以實(shí)驗(yàn)一中搭建的卷積神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)，只在數(shù)據(jù)預(yù)處理中添加數(shù)據(jù)擴(kuò)增一項(xiàng)，并再次學(xué)習(xí)；實(shí)驗(yàn)二訓(xùn)練結(jié)果由表2第二行可見。與實(shí)驗(yàn)一結(jié)果相比，用數(shù)據(jù)擴(kuò)增學(xué)習(xí)后的模型測(cè)試集上的準(zhǔn)確率比實(shí)驗(yàn)一高出9.59個(gè)百分點(diǎn)。由圖6(b)和圖6(a)相比，增加預(yù)處理項(xiàng)后的網(wǎng)絡(luò)在一定程度上緩解了驗(yàn)證集損失值逐步上升的現(xiàn)象，但依然沒有很好地解決模型過擬合以及準(zhǔn)確率較低的問題。為了試著解決模型所遇到的頸瓶，在數(shù)據(jù)擴(kuò)增的同時(shí)，對(duì)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行了改造，把原有的最大池化層替換成自適應(yīng)池化層，并再度學(xué)習(xí)。由圖6(c)和6(d)可得，用自適應(yīng)池化學(xué)習(xí)后的模型驗(yàn)證集損失值與訓(xùn)練集保持同步下降、準(zhǔn)確率則是保持同步上升，損失值最低達(dá)到0.46以下，準(zhǔn)確率最高達(dá)到87%以上。由表2第三行可見，用自適應(yīng)池化學(xué)習(xí)后的模型在各數(shù)據(jù)集上的準(zhǔn)確率比前兩次有明顯的提高。而測(cè)試集上的準(zhǔn)確率也達(dá)到了88.24%。

可見，自適應(yīng)池化算法在避免模型出現(xiàn)過擬合現(xiàn)象的同時(shí)提高了模型的準(zhǔn)確率，而且并沒有消耗更多的時(shí)間。實(shí)驗(yàn)三模型的混淆矩陣如表3所示，模型的分類結(jié)果大都集中在混淆矩陣的對(duì)角線區(qū)域，表明模型具有一定的分類能力。其中模型對(duì)吉普賽馬、哈福林格馬、弗里西亞馬的識(shí)別準(zhǔn)確率較高，而對(duì)伊犁馬、阿拉伯馬的識(shí)別準(zhǔn)確率較低。

表2 不同網(wǎng)絡(luò)結(jié)構(gòu)模型的準(zhǔn)確率

圖6 損失函數(shù)值變化曲線與準(zhǔn)確率曲線 表3 模型分類結(jié)果

品種編號(hào)01234567準(zhǔn)確率/%027003000281.02102503004080.76200280500086.01304016028269.84400502700082.07500030291084.71603070019170700030042073.4

5 結(jié)束語

文中提出了一種用于馬品種識(shí)別的基于自適應(yīng)池化的卷積神經(jīng)網(wǎng)絡(luò)模型。由實(shí)驗(yàn)結(jié)果可得，自適應(yīng)池化算法在提高神經(jīng)網(wǎng)絡(luò)對(duì)馬品種識(shí)別能力時(shí)效果最為明顯，試著改善了網(wǎng)絡(luò)擬合以及識(shí)別能力低的問題，改善了模型的收斂性和魯棒性。與此同時(shí)，使模型擁有了不錯(cuò)的分類能力。由此可見，該自適應(yīng)池化模型適合用于卷積神經(jīng)網(wǎng)絡(luò)處理二維圖像的深度學(xué)習(xí)算法。