吳麗娜，王林山

(中國(guó)海洋大學(xué) 數(shù)學(xué)科學(xué)學(xué)院，山東 青島 266100)

0 引 言

卷積神經(jīng)網(wǎng)絡(luò)模型是一種具有高學(xué)習(xí)效率，非線性映射能力以及較強(qiáng)的魯棒性和容錯(cuò)性的深度學(xué)習(xí)模型[1,2]，因此該網(wǎng)絡(luò)被廣泛關(guān)注，它的理論和應(yīng)用研究是人工神經(jīng)網(wǎng)絡(luò)領(lǐng)域的熱點(diǎn)之一。

卷積神經(jīng)網(wǎng)絡(luò)有多種形式，如，在海量圖像分類領(lǐng)域取得突破性成果的Alex Net模型[3]；適用于目標(biāo)檢測(cè)的R-CNN(regions with CNN)[4]模型；能夠?qū)崿F(xiàn)端到端的圖像語(yǔ)義分割的全卷積網(wǎng)絡(luò)(fully convolution networks，F(xiàn)CN)模型[5]，應(yīng)用于圖像的摘要生成和圖像內(nèi)容問答的RNN[6,7]模型。尤其是應(yīng)用于手寫字符識(shí)別、圖像分類的LeNet-5卷積神經(jīng)網(wǎng)絡(luò)模型，是由LeCun提出的一種典型的用來識(shí)別手寫數(shù)字的卷積神經(jīng)網(wǎng)絡(luò)模型[8]，在計(jì)算機(jī)視覺領(lǐng)域有廣泛的應(yīng)用和改進(jìn)：如，李勇等[9]用了跨連接的思想, 提出一種新的LeNet-5卷積神經(jīng)網(wǎng)絡(luò)模型，將其用于面部表情識(shí)別，并在JAFFE表情公開庫(kù)和CK+數(shù)據(jù)庫(kù)取得了較好的識(shí)別效果；馬苗等[10]去掉基本LeNet-5中的第3卷積層,并用SVM分類器代替輸出層中的Softmax分類器，在國(guó)際公開的SVHN數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果表明，改進(jìn)的LeNet-5對(duì)街景門牌號(hào)碼的識(shí)別效果較好，并達(dá)到了較高的識(shí)別率；特別是劉德建等[11]成功地應(yīng)用經(jīng)典LeNet-5卷積神經(jīng)網(wǎng)絡(luò)成功地研究花卉識(shí)別問題，存在著進(jìn)一步提高花卉圖像識(shí)別率的問題。本文在文獻(xiàn)[11]的基礎(chǔ)上，試圖對(duì)LeNet-5卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行改進(jìn)，并對(duì)Oxford-17(17 category flower datasets)花卉數(shù)據(jù)集進(jìn)行測(cè)試，實(shí)驗(yàn)結(jié)果表明，改進(jìn)的LeNet-5卷積神經(jīng)網(wǎng)絡(luò)對(duì)花卉圖像的識(shí)別率達(dá)到96.5%，比未改進(jìn)的LeNet-5卷積網(wǎng)絡(luò)提高了6.5%。

1 LeNet-5卷積網(wǎng)絡(luò)模型

LeNet-5卷積網(wǎng)絡(luò)模型(如圖1所示)不包括輸入層，總共有7層，包括：C1卷積層，S2池化層，C3卷積層，S4池化層，C5卷積層，F(xiàn)6全連接層，Output輸出層。輸入的圖像是32×32像素的圖像。C1卷積層有6張?zhí)卣鲌D，其運(yùn)算方式是每個(gè)特征圖中的每個(gè)單位都與輸入圖中的 5×5 像素的區(qū)域相連，且每個(gè)特征圖都通過6個(gè)5×5像素大小的卷積核進(jìn)行卷積操作，從而得到6個(gè)28×28像素大小的特征圖。S2池化層包括6張?zhí)卣鲌D，與C1卷積層中的特征圖數(shù)目相等，該層每張?zhí)卣鲌D的大小為14×14像素,其運(yùn)算方式是每個(gè)特征圖的單元都與C1卷積層中的每個(gè)特征圖的2×2像素的區(qū)域相連。C3卷積層有16張?zhí)卣鲌D，其運(yùn)算方式是每個(gè)特征圖都通過5×5像素的卷積核與S2池化層中的某幾個(gè)或全部特征圖進(jìn)行卷積操作得到，見表1。S4池化層共有16個(gè)5×5像素大小的特征圖，其運(yùn)算方式是該層特征圖的每個(gè)單元都與C3層每個(gè)特征圖的 2×2 像素區(qū)域相連。C5卷積層共有120個(gè)特征圖，每個(gè)特征圖單元都與S4層所有特征圖5×5像素的區(qū)域相連，該層的特征圖都通過5×5像素的卷積核與S4層的所有特征圖進(jìn)行卷積操作得到，所以該層特征圖的大小為1×1像素。F6全連接層共有84個(gè)單元, 并且F6層與C5層是全連接的。Output輸出層采用的是歐式徑向基函數(shù)(RBF)。

圖1 LeNet-5網(wǎng)絡(luò)結(jié)構(gòu)

表1 S2與C3的連接方式

123456789101112131415161XXXXXXXXXX2XXXXXXXXXX3XXXXXXXXXX4XXXXXXXXXX5XXXXXXXXXX6XXXXXXXXXX

2 LeNet-5卷積網(wǎng)絡(luò)模型的改進(jìn)

LeNet-5卷積神經(jīng)網(wǎng)絡(luò)模型最初是通過卷積核自動(dòng)提取特征，將原始數(shù)據(jù)通過一系列的非線性變換轉(zhuǎn)化為高維特征，從而對(duì)高維特征進(jìn)行分類。但是這種分類方法沒有考慮到低維的細(xì)節(jié)特征，且隨著深度的增加，易出現(xiàn)梯度消失或爆炸問題[12]。為了解決此類問題，使得低維細(xì)節(jié)特征均勻地傳遞給下一層，并將高維的突出特征全部傳遞給輸出層，本文主要從池化操作方式以及S4層與C5層的連接方式入手，并針對(duì)花卉以及花瓣與手寫數(shù)字字符存在形態(tài)上的差異，在不考慮同一類別的花卉有很大的差異性以及圖像背景復(fù)雜的前提下[13]，對(duì)原LeNet-5卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行如下改進(jìn)和與文獻(xiàn)[11]不同的參數(shù)設(shè)置，以此為基礎(chǔ)給出新的訓(xùn)練算法：

(1)關(guān)于池化操作的改進(jìn)：S2層的池化操作設(shè)置為均值池化(Avg-pooling)，且S4層的池化操作設(shè)置為最大池化(Max-pooling)；

(2)關(guān)于連接方式的改進(jìn)：將C5層設(shè)置為全連接層，即將S4層與C5層之間的5×5卷積核去掉，使兩層的特征圖以全連接的方式相連。

(1)

其中，f為激活函數(shù)，bj為偏置向量(bias)，n表示S4層神經(jīng)元的個(gè)數(shù)。k表示C5層神經(jīng)元的個(gè)數(shù)。圖2為L(zhǎng)eNet-5網(wǎng)絡(luò)拓?fù)鋱D。

圖2 LeNet-5網(wǎng)絡(luò)拓?fù)?/p>

2.1 參數(shù)設(shè)置

(1)在F6層之后、輸出層之前使用Dropout正則化方法。

(2)將激活函數(shù)設(shè)置為ReLU激活函數(shù)

(2)

(3)算法：使用隨機(jī)梯度下降算法SGD(stochastic gradient descent)[14]更新權(quán)值參數(shù)。SGD算法原理公式

(3)

(4)

(5)

其中，h(α) 表示擬合函數(shù)，J(α) 表示損失函數(shù)，α=(α1,α2,…,αn) 表示網(wǎng)絡(luò)參數(shù)權(quán)值，yi表示第i個(gè)樣本的樣本值，m表示的是整個(gè)迭代進(jìn)行的總次數(shù),j表示網(wǎng)絡(luò)中參數(shù)的總數(shù)目，α′j表示更新后的網(wǎng)絡(luò)參數(shù)。

(4)分類器的確定：選用Softmax分類器。對(duì)于Output層,輸入x， 則有

(6)

其中，ω=(ω1,ω2,…,ωm)T表示權(quán)值，P計(jì)算的是輸入為j類別時(shí)的概率，設(shè)置輸出類別為17。

2.2 參數(shù)設(shè)置理由

(1)S2層的均值池化操作，能夠使得上一層中的低層次細(xì)節(jié)特征可以充分或均勻地出現(xiàn)在下一層的特征圖中。S4層的最大值池化，可以保證C3層中更為突出的高層次特征傳遞給下一層(S4層)。

(2)將C5層設(shè)置為全連接層以后，圖像的高維特征通過全連接的方式傳遞給下一層，取得的識(shí)別效果更好。

(3)Dropout方法是卷積神經(jīng)網(wǎng)絡(luò)中經(jīng)典的正則化方法，實(shí)驗(yàn)中數(shù)據(jù)集并不是非常大，使用Dropout方法能有效減少過擬合現(xiàn)象。

(4)將激活函數(shù)替換為ReLU激活函數(shù)。使用傳統(tǒng)的Sigmoid激活函數(shù)，需要預(yù)訓(xùn)練，否則會(huì)出現(xiàn)梯度消失無(wú)法收斂的問題。將激活函數(shù)替換為ReLU激活函數(shù)會(huì)使收斂速度更快[15]。

(5)隨機(jī)梯度下降算法SGD每次只隨機(jī)選擇一個(gè)樣本來更新模型參數(shù)，因此每次的學(xué)習(xí)是非?？焖俚?。

(6)由于本次實(shí)驗(yàn)輸出類別數(shù)為17，所以選擇Softmax多分類器。

改進(jìn)后的網(wǎng)絡(luò)結(jié)構(gòu)設(shè)置見表2，新網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示。學(xué)習(xí)率設(shè)置：本文分別考察了學(xué)習(xí)率為0.001和0.01對(duì)識(shí)別率的影響，實(shí)驗(yàn)結(jié)果表明，在相同條件下，學(xué)習(xí)率設(shè)置為0.001時(shí)，識(shí)別率更高。因此學(xué)習(xí)率設(shè)置為0.001。

表2 新的LeNet-5網(wǎng)絡(luò)結(jié)構(gòu)

圖3 新的LeNet-5網(wǎng)絡(luò)結(jié)構(gòu)

3 基于改進(jìn)LeNet-5模型的花卉分類問題研究

3.1 數(shù)據(jù)集的選擇

數(shù)據(jù)集是包含17個(gè)類別的牛津花卉(Oxford-17 flo-wer)數(shù)據(jù)集，該數(shù)據(jù)集是由牛津大學(xué)Visual Geometry Group創(chuàng)建的。每個(gè)類有80幅圖像，總共有1360張圖像，本文選取其中1000張圖像作為訓(xùn)練樣本，200張作為測(cè)試樣本集。圖4是實(shí)驗(yàn)中部分花卉圖像。

圖4 部分彩色花卉圖像

3.2 圖像預(yù)先處理

圖像預(yù)處理一般是指對(duì)輸入的數(shù)字圖像進(jìn)行顏色空間轉(zhuǎn)換，高斯濾波等[16]。顏色是花卉圖像最顯著的特征之一，具有形狀和方向無(wú)關(guān)性，適合作為花卉種類識(shí)別的依據(jù)[17]。但是顏色會(huì)對(duì)花卉種類的識(shí)別造成一定的干擾，每類花的顏色，拍照時(shí)圖像的亮度都對(duì)花卉種類的識(shí)別產(chǎn)生較大的影響，彩色圖像存儲(chǔ)量大，處理不方便，需要將彩色圖像轉(zhuǎn)化為包含同樣信息量且處理過程更加簡(jiǎn)單快速的灰度圖像[18,19]。

使用matlabR2016將收集到的圖像進(jìn)行預(yù)處理：先將所有圖像統(tǒng)一轉(zhuǎn)化為單通道的灰度圖像, 灰度級(jí)設(shè)置為8，并對(duì)數(shù)據(jù)集進(jìn)行批量人工標(biāo)號(hào)。其次，將圖像的分辨率統(tǒng)一轉(zhuǎn)化為28×28大小的分辨率，最后使用VS2013和Opencv3.1將圖像轉(zhuǎn)化為相應(yīng)的二進(jìn)制格式文件。圖5～圖7 表示部分灰度圖像、向日葵放大灰度圖像和識(shí)別錯(cuò)誤圖像。

圖5 一些灰度圖像

圖6 向日葵的放大灰度

圖7 識(shí)別錯(cuò)誤的圖片

3.3 實(shí)驗(yàn)環(huán)境的介紹

硬件環(huán)境：

本次實(shí)驗(yàn)是在牛津花卉數(shù)據(jù)庫(kù)上進(jìn)行的實(shí)驗(yàn)，考慮到數(shù)據(jù)量不是很高，以及網(wǎng)絡(luò)深度并沒有很大，所以實(shí)驗(yàn)數(shù)據(jù)放在單CPU上進(jìn)行處理，實(shí)驗(yàn)硬件環(huán)境見表3。

軟件安裝及配置：

實(shí)驗(yàn)中所用的深度學(xué)習(xí)框架是tensorFlow[20]，編程語(yǔ)言是Python3.5.4，輔助軟件工具是matlabR2016，Opencv3.1和VS2013。

tensorFlow是一個(gè)非常強(qiáng)大的用來做大規(guī)模數(shù)值計(jì)算

表3 硬件環(huán)境

的庫(kù)。其所擅長(zhǎng)的任務(wù)就是實(shí)現(xiàn)以及訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)。它已經(jīng)在大量移動(dòng)設(shè)備上或者大規(guī)模分布式集群中使用，已經(jīng)經(jīng)過了實(shí)踐檢驗(yàn)。其分布式實(shí)現(xiàn)是基于圖計(jì)算，它將圖分割成多個(gè)子圖，每個(gè)計(jì)算實(shí)體作為圖中的一個(gè)計(jì)算節(jié)點(diǎn)[21]。本文最終得到的圖表則是應(yīng)用了tensorboard這一可視化工具。

3.4 實(shí)驗(yàn)步驟

(1)初始化卷積核，偏置向量(bias)。

(2)設(shè)置訓(xùn)練參數(shù)，將學(xué)習(xí)率設(shè)置為0.001，批訓(xùn)練樣本數(shù)量batch設(shè)置為100，迭代次數(shù)epochs=2000，每次訓(xùn)練batch個(gè)樣本數(shù)量。每100次迭代輸出一次結(jié)果，最后輸出總識(shí)別率。

(3)輸入樣本，正向傳播和誤差反向傳播，用SGD更新權(quán)值參數(shù)。

(4)啟動(dòng)tensorboard，借助谷歌瀏覽器打開相關(guān)網(wǎng)址，將訓(xùn)練過程可視化。

為了驗(yàn)證改進(jìn)后的新模型的可行性，從總樣本中不同種類的花瓣集選取了共100張圖片進(jìn)行檢驗(yàn)(即設(shè)置validation_size=100)。整個(gè)實(shí)驗(yàn)，沒有使用GPU及CUDA加速，在單CPU上的訓(xùn)練時(shí)間是3.5小時(shí)左右。

3.5 實(shí)驗(yàn)結(jié)果與評(píng)價(jià)

改進(jìn)LeNet-5網(wǎng)絡(luò)模型部分實(shí)驗(yàn)輸出結(jié)果展示：

test Accuracy at step 0:0.16

test Accuracy at step 500:0.64

test Accuracy at step 1000:0.88

test Accuracy at step 1500:0.94

test accuracy 0.965

實(shí)驗(yàn)中，在原LeNet-5網(wǎng)絡(luò)模型上進(jìn)行訓(xùn)練，訓(xùn)練到第1000步的時(shí)候，識(shí)別正確率達(dá)到0.88，在迭代到1500步的時(shí)候，識(shí)別結(jié)果達(dá)到0.94，總體識(shí)別率為0.965，圖8為交叉熵(cross_entropy)變化曲線圖，識(shí)別正確率(accuracy_1)變化曲線如圖9所示。

圖8 改進(jìn)的LeNet-5神經(jīng)網(wǎng)絡(luò)模型交叉熵變化曲線

圖9 改進(jìn)的LeNet-5神經(jīng)網(wǎng)絡(luò)模型 識(shí)別正確率變化曲線

對(duì)于相同的樣本數(shù)據(jù)集，每個(gè)模型每100步記錄一次結(jié)果,總共記錄10次，對(duì)比結(jié)果如圖10所示,圖10中，橫軸step為迭代步數(shù)，縱軸Accuracy為識(shí)別正確率。由此結(jié)果對(duì)比可以得出，改進(jìn)的LeNet-5卷積神經(jīng)網(wǎng)絡(luò)比BP神經(jīng)網(wǎng)絡(luò)和原LeNet-5卷積神經(jīng)網(wǎng)絡(luò)具有更高的識(shí)別精度。

圖10 3種網(wǎng)絡(luò)模型對(duì)比結(jié)果

表4為在新的LeNet-5網(wǎng)絡(luò)中，設(shè)置不同學(xué)習(xí)率得到不同的識(shí)別率，由此結(jié)果可以看出，控制其它參數(shù)條件不變，調(diào)節(jié)學(xué)習(xí)率這項(xiàng)參數(shù)，發(fā)現(xiàn)，當(dāng)學(xué)習(xí)率設(shè)置為0.001時(shí)，識(shí)別率更高。表5為在新的LeNet-5網(wǎng)絡(luò)中其它參數(shù)設(shè)置不變的情況下，不同激活函數(shù)對(duì)識(shí)別率的影響。表6為在新的LeNet-5網(wǎng)絡(luò)中，使用Dropout正則化方法對(duì)識(shí)別率的影響，顯然，在其它參數(shù)設(shè)置不變的情況下，有無(wú)Dropout對(duì)識(shí)別正確率的影響比較大。表7為實(shí)驗(yàn)數(shù)據(jù)放在3種不同的網(wǎng)絡(luò)模型中得到的識(shí)別精度，顯然，改進(jìn)的LeNet-5網(wǎng)絡(luò)比其它兩種網(wǎng)絡(luò)模型對(duì)實(shí)驗(yàn)數(shù)據(jù)有更好的識(shí)別效果。

表4 不同學(xué)習(xí)率對(duì)應(yīng)識(shí)別率結(jié)果

表5 不同激活函數(shù)對(duì)應(yīng)識(shí)別率結(jié)果

表6 有無(wú)Dropout對(duì)識(shí)別率的影響

表7 3種網(wǎng)絡(luò)模型結(jié)果對(duì)比

4 結(jié)束語(yǔ)

本文在經(jīng)典的LeNet-5卷積神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)上，將S2層的池化操作設(shè)置為均值池化，且S4層的池化操作設(shè)置為最大池化，S4層與C5層的連接方式設(shè)置為全連接，得到一類新的LeNet-5卷積神經(jīng)網(wǎng)絡(luò)模型，并將其應(yīng)用于花卉種類識(shí)別。實(shí)驗(yàn)結(jié)果表明，改進(jìn)的LeNet-5卷積神經(jīng)網(wǎng)絡(luò)模型可以達(dá)到提高花卉分類識(shí)別率的目的。但同時(shí)存在如下需要進(jìn)一步改進(jìn)的問題：

(1)本文對(duì)圖像做了灰度化處理，沒有考慮顏色對(duì)識(shí)別精度的影響，顏色對(duì)于測(cè)試結(jié)果有何影響還尚未給出討論；

(2)是否還有更好的改進(jìn)方法或者模型，適合研究花卉種類識(shí)別的工作，使得識(shí)別效果更好，在下一步的工作中將繼續(xù)研究。