Keras搭建孿生神經(jīng)網(wǎng)絡(luò)Siamese network比較圖片相似性
什么是孿生神經(jīng)網(wǎng)絡(luò)
最近學(xué)習(xí)了一下如何比較兩張圖片的相似性,用到了孿生神經(jīng)網(wǎng)絡(luò),一起來學(xué)習(xí)一下。
簡單來說,孿生神經(jīng)網(wǎng)絡(luò)(Siamese network)就是“連體的神經(jīng)網(wǎng)絡(luò)”,神經(jīng)網(wǎng)絡(luò)的“連體”是通過共享權(quán)值來實(shí)現(xiàn)的,如下圖所示。
所謂權(quán)值共享就是當(dāng)神經(jīng)網(wǎng)絡(luò)有兩個(gè)輸入的時(shí)候,這兩個(gè)輸入使用的神經(jīng)網(wǎng)絡(luò)的權(quán)值是共享的(可以理解為使用了同一個(gè)神經(jīng)網(wǎng)絡(luò))。
很多時(shí)候,我們需要去評判兩張圖片的相似性,比如比較兩張人臉的相似性,我們可以很自然的想到去提取這個(gè)圖片的特征再進(jìn)行比較,自然而然的,我們又可以想到利用神經(jīng)網(wǎng)絡(luò)進(jìn)行特征提取。
如果使用兩個(gè)神經(jīng)網(wǎng)絡(luò)分別對圖片進(jìn)行特征提取,提取到的特征很有可能不在一個(gè)域中,此時(shí)我們可以考慮使用一個(gè)神經(jīng)網(wǎng)絡(luò)進(jìn)行特征提取再進(jìn)行比較。
這個(gè)時(shí)候我們就可以理解孿生神經(jīng)網(wǎng)絡(luò)為什么要進(jìn)行權(quán)值共享了。
孿生神經(jīng)網(wǎng)絡(luò)有兩個(gè)輸入(Input1 and Input2),利用神經(jīng)網(wǎng)絡(luò)將輸入映射到新的空間,形成輸入在新的空間中的表示。通過Loss的計(jì)算,評價(jià)兩個(gè)輸入的相似度。
孿生神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)思路
一、預(yù)測部分
1、主干網(wǎng)絡(luò)介紹
孿生神經(jīng)網(wǎng)絡(luò)的主干特征提取網(wǎng)絡(luò)的功能是進(jìn)行特征提取,各種神經(jīng)網(wǎng)絡(luò)都可以適用,本文使用的神經(jīng)網(wǎng)絡(luò)是VGG16。關(guān)于VGG的介紹大家可以看我的另外一篇博客
https://www.jb51.net/article/246968.htm
這是一個(gè)VGG被用到爛的圖,但確實(shí)很好的反應(yīng)了VGG的結(jié)構(gòu):
1、一張?jiān)紙D片被resize到指定大小,本文使用105x105。
2、conv1包括兩次[3,3]卷積網(wǎng)絡(luò),一次2X2最大池化,輸出的特征層為64通道。
3、conv2包括兩次[3,3]卷積網(wǎng)絡(luò),一次2X2最大池化,輸出的特征層為128通道。
4、conv3包括三次[3,3]卷積網(wǎng)絡(luò),一次2X2最大池化,輸出的特征層為256通道。
5、conv4包括三次[3,3]卷積網(wǎng)絡(luò),一次2X2最大池化,輸出的特征層為512通道。
6、conv5包括三次[3,3]卷積網(wǎng)絡(luò),一次2X2最大池化,輸出的特征層為512通道。
實(shí)現(xiàn)代碼為:
import keras
from keras.layers import Input,Dense,Conv2D
from keras.layers import MaxPooling2D,Flatten,Lambda
from keras.models import Model
import keras.backend as K
import os
import numpy as np
from PIL import Image
from keras.optimizers import SGD
from nets.vgg import VGG16
def siamese(input_shape):
vgg_model = VGG16()
input_image_1 = Input(shape=input_shape)
input_image_2 = Input(shape=input_shape)
encoded_image_1 = vgg_model.call(input_image_1)
encoded_image_2 = vgg_model.call(input_image_2)
l1_distance_layer = Lambda(
lambda tensors: K.abs(tensors[0] - tensors[1]))
l1_distance = l1_distance_layer([encoded_image_1, encoded_image_2])
out = Dense(512,activation='relu')(l1_distance)
out = Dense(1,activation='sigmoid')(out)
model = Model([input_image_1,input_image_2],out)
return model
二、訓(xùn)練部分
1、數(shù)據(jù)集的格式
本文所使用的數(shù)據(jù)集為Omniglot數(shù)據(jù)集。
其包含來自 50不同字母(語言)的1623 個(gè)不同手寫字符。
每一個(gè)字符都是由 20個(gè)不同的人通過亞馬遜的 Mechanical Turk 在線繪制的。
相當(dāng)于每一個(gè)字符有20張圖片,然后存在1623個(gè)不同的手寫字符,我們需要利用神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí),去區(qū)分這1623個(gè)不同的手寫字符,比較輸入進(jìn)來的字符的相似性。
本博客中數(shù)據(jù)存放格式有三級:
- image_background
- Alphabet_of_the_Magi
- character01
- 0709_01.png
- 0709_02.png
- ……
- character02
- character03
- ……
- Anglo-Saxon_Futhorc
- ……
最后一級的文件夾用于分辨不同的字體,同一個(gè)文件夾里面的圖片屬于同一文字。在不同文件夾里面存放的圖片屬于不同文字。
上兩個(gè)圖為.\images_background\Alphabet_of_the_Magi\character01里的兩幅圖。它們兩個(gè)屬于同一個(gè)字。
上一個(gè)圖為.\images_background\Alphabet_of_the_Magi\character02里的一幅圖。它和上面另兩幅圖不屬于同一個(gè)字。
2、Loss計(jì)算
對于孿生神經(jīng)網(wǎng)絡(luò)而言,其具有兩個(gè)輸入。
當(dāng)兩個(gè)輸入指向同一個(gè)類型的圖片時(shí),此時(shí)標(biāo)簽為1。
當(dāng)兩個(gè)輸入指向不同類型的圖片時(shí),此時(shí)標(biāo)簽為0。
然后將網(wǎng)絡(luò)的輸出結(jié)果和真實(shí)標(biāo)簽進(jìn)行交叉熵運(yùn)算,就可以作為最終的loss了。
本文所使用的Loss為binary_crossentropy。
當(dāng)我們輸入如下兩個(gè)字體的時(shí)候,我們希望網(wǎng)絡(luò)的輸出為1。
我們會(huì)將預(yù)測結(jié)果和1求交叉熵。
當(dāng)我們輸入如下兩個(gè)字體的時(shí)候,我們希望網(wǎng)絡(luò)的輸出為0。
我們會(huì)將預(yù)測結(jié)果和0求交叉熵。
訓(xùn)練自己的孿生神經(jīng)網(wǎng)絡(luò)
1、訓(xùn)練本文所使用的Omniglot例子
下載數(shù)據(jù)集,放在根目錄下的dataset文件夾下。
運(yùn)行train.py開始訓(xùn)練。
2、訓(xùn)練自己相似性比較的模型
如果大家想要訓(xùn)練自己的數(shù)據(jù)集,可以將數(shù)據(jù)集按照如下格式進(jìn)行擺放。
每一個(gè)chapter里面放同類型的圖片。
之后將train.py當(dāng)中的train_own_data設(shè)置成True,即可開始訓(xùn)練。
以上就是Keras搭建孿生神經(jīng)網(wǎng)絡(luò)Siamese network比較圖片相似性的詳細(xì)內(nèi)容,更多關(guān)于Keras孿生神經(jīng)網(wǎng)絡(luò)比較圖片的資料請關(guān)注腳本之家其它相關(guān)文章!