python使用AI实现识别暹罗与英短

先来上两张图看看那种猫是暹罗？那种猫是英短？

第一张暹罗

第二张英短

你以后是不是可以识别了暹罗和英短了？大概能，好像又不能。这是因为素材太少了，我们看这两张图能分别提取出来短特征太少了。那如果我们暹罗短放100张图，英短放100张图给大家参考，再给一张暹罗或者英短短照片是不是就能识别出来是那种猫了，即使不能完全认出来，是不是也有90%可能是可以猜猜对。那么如果提供500张暹罗500张英短短图片呢，是不是猜对的概率可以更高？

我们是怎么识别暹罗和英短的呢？当然是先归纳两种猫的特征如面部颜色分布、眼睛的颜色等等，当再有一张要识别短图片时，我们就看看面部颜色分布、眼睛颜色是不是可暹罗的特征一致。

同样把识别暹罗和英短的方法教给计算机后，是不是计算机也可以识别这两种猫？

那么计算机是怎么识别图像的呢？先来看一下计算机是怎么存储图像的。

图像在计算机里是一堆按顺序排列的数字，1到255，这是一个只有黑白色的图，但是颜色千变万化离不开三原色——红绿蓝。

这样，一张图片在计算机里就是一个长方体！depth为3的长方体。每一层都是1到255的数字。

让计算机识别图片，就要先让计算机了解它要识别短图片有那些特征。提取图片中的特征就是识别图片要做的主要工作。 下面就该主角出场了，卷及神经网络(Convolutional Neural Network, CNN). 最简单的卷积神经网络就长下面的样子。

分为输入、卷积层、池化层(采样层)、全连接和输出。每一层都将最重要的识别信息进行压缩，并传导至下一层。

卷积层：帮助提取特征，越深(层数多)的卷积神经网络会提取越具体的特征，越浅的网络提取越浅显的特征。

池化层：减少图片的分辨率，减少特征映射。 全连接：扁平化图片特征，将图片当成数组，并将像素值当作预测图像中数值的特征。

•卷积层 卷积层从图片中提取特征，图片在计算机中就上按我们上面说的格式存储的（长方体），先取一层提取特征，怎么提取？使用卷积核（权值）。做如下短操作：

观察左右两个矩阵，矩阵大小从6×6 变成了 4×4，但数字的大小分布好像还是一致的。看下真实图片：

图片好像变模糊了，但这两个图片大小没变是怎么回事呢？其实是用了如下的方式：same padding

在6×6的矩阵周围加了一圈0，再做卷积的时候得到的还是一个6×6的矩阵，为什么加一圈0这个和卷积核大小、步长和边界有关。自己算吧。

上面是在一个6×6的矩阵上使用3X3的矩阵做的演示。在真实的图片上做卷积是什么样的呢？如下图：

对一个32x32x3的图使用10个5x5x3的filter做卷积得到一个28x28x10的激活图(激活图是卷积层的输出).

•池化层 减少图片的分辨率，减少特征映射。怎么减少的呢？ 池化在每一个纵深维度上独自完成，因此图像的纵深保持不变。池化层的最常见形式是最大池化。

可以看到图像明显的变小了。如图：

在激活图的每一层的二维矩阵上按2×2提取最大值得到新的图。真实效果如下：

随着卷积层和池化层的增加，对应滤波器检测的特征就更加复杂。随着累积，就可以检测越来越复杂的特征。这里还有一个卷积核优化的问题，多次训练优化卷积核。

下面使用apple的卷积神经网络框架TuriCreate实现区分暹罗和英短。(先说一下我是在win10下装的熬夜把电脑重装了不下3次，系统要有wls,不要用企业版，mac系统和ubuntu系统下安装turicreae比较方便)

首先准备训练用图片暹罗50张，英短50长。测试用图片10张。 上代码：（开发工具anaconda，python 2.7）

# coding: utf-8  
import turicreate as tc  
train_data_path = '/mnt/h/image/train'  
train_data  = tc.image_analysis.load_images(train_data_path, with_path = True)  
train_data['label'] = train_data['path'].apply(lambda path: 'xianluo' if 'xianluo' in path else 'yingduan')  
train_data.save('cat.sframe')  
test_data_path = '/mnt/h/image/test/'  
test_data  = tc.image_analysis.load_images(test_data_path, with_path = True)  
test_data['label'] = test_data['path'].apply(lambda path: 'xianluo' if 'x' in path else 'yingduan')  
model = tc.image_classifier.create(train_data, target='label')  
predictions = model.predict(test_data)  
metrics = model.evaluate(test_data)  
print(metrics['accuracy'])  
#test_data['label']  
#test_data  

数据放到了h盘image目录下，我是在win10下装的ubuntu,所以h盘挂在mnt/下。

test的文件：(x指暹罗，y指英短，这样命名是为了代码里给测试图片区分猫咪类型)

test_data[‘label’] = test_data[‘path’].apply(lambda path: ‘xianluo’ if ‘x’ in path else ‘yingduan’)

第一次结果如下：

训练精度0.955 验证精度才0.75 正确率才0.5。好吧，看来是学习得太少，得上三年高考五年模拟版，将暹罗和英短的图片都增加到100张。在看结果。

这次训练精度就达到0.987了，验证精度1.0，正确率1.0 牛逼了。 看下turicreate识别的结果：

我们实际图片上猫是：(红色为真实的猫的类型-在代码里根据图片名称标记的，绿色为识别出来的猫的类型)

可以看到两者是一致的。牛逼了训练数据才两百张图片，就可以达到这种效果。