• Deep Residual Learning for Image Recognition浅读与实现

    目录


    以下为论文《Deep Residual Learning for Image Recognition》的一些摘抄。

    1.研究背景

    深度卷积神经网络在图像分类领域取得一系列突破。深度网络自然地将一个端到端多层模型中的低/中/高级特征以及分类器整合起来，而特征的“等级”可以通过堆叠层的数量（深度）来丰富。模型的深度发挥着至关重要的作用，许多视觉识别任务也都受益于非常深的模型。

    2.目前研究存在的问题

    在一个合理的网络模型中，随着网络深度的增加，准确率会趋于饱和并迅速衰落，这种退化问题不是由过拟合造成的。退化问题使得网络达不到一定的深度，无法得到更高的准确率。

    3.本文贡献

    本文针对随网络深度增加时发生的退化问题，提出了一个新的网络结构——深度残差网络。本文给出了多种深度残差网络，在原本的网络中引入恒等映射Shortcuts产生x分量，使得非线性层拟合的函数变为F(x)=H(x)-x，则原来的映射变为F(x)+x，这使得网络可以更快地收敛，网络模型也更易于优化。本文构建的残差网络在ImageNet2012数据集和CIFAR-10数据集上进行了测试，并和其他网络模型进行了对比，整体上准确率均高于其他模型。

    4.文本模型

    本文中网络模型是在Plain网络模型的基础上添加shortcuts连接形成残差网络的。当输入与输出维度相同时，残差网络构建块的输入输出关系为：；当输入和输出维度不同时，残差网络构建块的输入输出关系为：，即通过的卷积来使输入输出维度相同。shortcuts连接有无参数恒等shortcuts和映射shortcuts两种。其中映射shortcuts有三种具体方法：①对增加的维度使用0填充，所有的shortcuts是无参数的②对增加的维度使用映射shortcuts，其它使用恒等shortcuts③所有的都是映射shortcuts。

    4.1构建块

    本文给出了残差网络的两种构建块。
    第一种是两层卷积的构建块（如图4-1所示），输入为64维度的数据，第一层为卷积核为33的卷积层，经过激活函数后进入第二层卷积层，卷积核大小也为33。第二层的输出与第一层输入的shortcuts连接进行相加，将相加结果经过激活后得到输出结果，输出也为64维度的数据，其中shortcuts连接可采用不同的方法。
    第二种是三层卷积的构建块（如图4-2所示），输入为256维度的数据，第一层卷积核为11的卷积层，经过激活函数后进入第二层卷积层，卷积核大小为33，然后再经过11的卷积层，得到的结果与shortcuts连接进行相加，经激活后输出。因为卷积层的卷积核大小，这种构造块也称为深度瓶颈结构。第一个11卷积层可以减少维度，中间的33卷积层可以减少输入和输出的维度，第二个11卷积层可以恢复维度。正是因为这种瓶颈结构，当采用映射shortcuts时，时间复杂度和模型尺寸会大大增加，所以其一般采用恒等shortcuts进行连接。


    图4-1 两层构建块

    图4-2 三层构建块

    4.2残差网络

    本文通过上面的两种构建块的堆叠搭建了如图4-3所示的5种网络，分别为Resnet-18、Resnet-34、Resnet-50、Resnet-101和Resnet-152。以Resnet-18为例，首先是经过1个77的卷积，然后经过一个33的池化，接下来就是构建块，总共8个两层卷积构造块，即16层卷积，最后进行池化输出。


    图4-3

    5.模型训练

    本文搭建的不同残差网络分别在ImageNet2012数据集和CIFAR-10数据集上做了测试。损失函数使用训练结果与标签的交叉熵，评价指标是训练错误率和测试错误率。

    5.1 ImageNet2012

    （1）plain与ResNet的对比

    在这里插入图片描述
    在这里插入图片描述
    从训练结果可以得出3点结论：
    ①与plain网络相反，34层的ResNet比18层ResNet的结果更优，这表明了残差网络可以很好的解决退化问题。
    ②与对应的plain网络相比，34层的ResNet在top-1 错误率上降低了3.5%，这验证了在极深的网络中残差学习的有效性。
    ③18层的plain网络和残差网络的准确率很接近，但是ResNet的收敛速度要快得多。这说明ResNet能够使优化得到更快的收敛。
    （2）不同映射shortcuts对比和ResNet不同深度对比
    在这里插入图片描述

    A、B、C表示三种不同的映射shortcuts连接，从结果看7.76、7.74、7.4差别并不大，说明映射shortcuts对于解决退化问题并不是必需的；可以看出50层、101层、152层的残差网络误差越来越小，这说明可以通过增加层数来达到提高准确率的效果。

    5.2 CIFAR-10

    在这里插入图片描述

    在CIFAR-10数据集上出现了与ImageNet2012同样的效果，误差随着层数的增加而减小，这说明了残差网络具有良好的泛化能力。

    6.复现

    受限于计算机算力，代码复现选择复现ResNet-18和RestNet-50,采用的数据集是CIFAR-10，最后基于RestNet-50设计一个简单界面，展示模型的预测效果。

    6.1代码大致结构

    ①构建块
    创建一个类ResidualBlock表示图4-1或者图4-2所示的结构
    ②残差网络搭建
    创建一个类ResNet，在类里面使用ResidualBlock类堆叠搭建。
    ③准备数据集并训练
    定义损失函数、batch_size、学习率和优化方法；加载CIFAR-10数据集，并分为训练集和测试集；每训练一个batch打印一次损失值和准确率，并记录在log.txt文件中；每训练完一个epoch测试一次准确率，并保存这一次对应的模型参数（.pth文件），同时记录高于85%的epoch及其对应的准确率。


    图6-1 代码框架

    6.2复现过程

    ①RestNet-18

    import torch.nn.functional as F
import torch
import torch.nn as nn
import torch.optim as optim
import torchvision
import torchvision.transforms as transforms
import argparse

#残差构建块
class ResidualBlock(nn.Module):
    def __init__(self, inchannel, outchannel, stride=1):
        super(ResidualBlock, self).__init__()
        self.left = nn.Sequential(
            nn.Conv2d(inchannel, outchannel, kernel_size=3, stride=stride, padding=1, bias=False),
            nn.BatchNorm2d(outchannel),
            nn.ReLU(inplace=True),
            nn.Conv2d(outchannel, outchannel, kernel_size=3, stride=1, padding=1, bias=False),
            nn.BatchNorm2d(outchannel)
        )
        self.shortcut = nn.Sequential()
        #如果输入与输出维度不相同，使用1*1卷积使其相同
        if stride != 1 or inchannel != outchannel:
            self.shortcut = nn.Sequential(
                nn.Conv2d(inchannel, outchannel, kernel_size=1, stride=stride, bias=False),
                nn.BatchNorm2d(outchannel)
            )
    #前向传播
    def forward(self, x):
        out = self.left(x)
        out += self.shortcut(x)
        out = F.relu(out)
        return out

# ResNet-18搭建
class ResNet(nn.Module):
    def __init__(self, ResidualBlock, num_classes=10):
        super(ResNet, self).__init__()
        self.inchannel = 64
        self.conv1 = nn.Sequential(
            nn.Conv2d(3, 64, kernel_size=3, stride=1, padding=1, bias=False),
            nn.BatchNorm2d(64),
            nn.ReLU(),
        )
        #对应论文中的结构
        self.layer1 = self.make_layer(ResidualBlock, 64, 2, stride=1)
        self.layer2 = self.make_layer(ResidualBlock, 128, 2, stride=2)
        self.layer3 = self.make_layer(ResidualBlock, 256, 2, stride=2)
        self.layer4 = self.make_layer(ResidualBlock, 512, 2, stride=2)
        self.fc = nn.Linear(512, num_classes)

    def make_layer(self, block, channels, num_blocks, stride):
        strides = [stride] + [1] * (num_blocks - 1)  # strides=[1,1]
        layers = []
        for stride in strides:
            layers.append(block(self.inchannel, channels, stride))
            self.inchannel = channels
        return nn.Sequential(*layers)

    def forward(self, x):
        out = self.conv1(x)
        out = self.layer1(out)
        out = self.layer2(out)
        out = self.layer3(out)
        out = self.layer4(out)
        out = F.avg_pool2d(out, 4)
        out = out.view(out.size(0), -1)
        out = self.fc(out)
        return out


def ResNet18():
    return ResNet(ResidualBlock)




# 定义是否使用GPU
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

# 参数设置
parser = argparse.ArgumentParser(description='PyTorch CIFAR10 Training')
parser.add_argument('--outf', default='./model/', help='folder to output images and model checkpoints')  # 输出结果保存路径
parser.add_argument('--net', default='./model/Resnet18.pth', help="path to net (to continue training)")  # 恢复训练时的模型路径
args = parser.parse_args()

# 超参数设置
EPOCH = 135  # 遍历数据集次数，这个数据足够大，但是在22次时准确率已经基本不变了，所以就手动退出了
pre_epoch = 0  # 定义已经遍历数据集的次数
BATCH_SIZE = 128  # 批处理尺寸
LR = 0.1  # 学习率

# 准备数据集并预处理
transform_train = transforms.Compose([
    transforms.RandomCrop(32, padding=4),  # 先四周填充0，在吧图像随机裁剪成32*32,这里的32决定了输入的图片大小
    transforms.RandomHorizontalFlip(),  # 图像一半的概率翻转，一半的概率不翻转
    transforms.ToTensor(),
    transforms.Normalize((0.4914, 0.4822, 0.4465), (0.2023, 0.1994, 0.2010)),  # R,G,B每层的归一化用到的均值和方差
])

transform_test = transforms.Compose([
    transforms.ToTensor(),
    transforms.Normalize((0.4914, 0.4822, 0.4465), (0.2023, 0.1994, 0.2010)),
])
# 加载数据集
trainset = torchvision.datasets.CIFAR10(root='./data', train=True, download=True, transform=transform_train)  # 训练数据集
trainloader = torch.utils.data.DataLoader(trainset, batch_size=BATCH_SIZE, shuffle=True,
                                          num_workers=2)  # 生成一个个batch进行批训练，组成batch的时候顺序打乱取

testset = torchvision.datasets.CIFAR10(root='./data', train=False, download=True, transform=transform_test)
testloader = torch.utils.data.DataLoader(testset, batch_size=100, shuffle=False, num_workers=2)
# Cifar-10的标签
classes = ('plane', 'car', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck')

# 模型定义-ResNet
net = ResNet18().to(device)

# 定义损失函数和优化方式
criterion = nn.CrossEntropyLoss()  # 损失函数为交叉熵，多用于多分类问题
optimizer = optim.SGD(net.parameters(), lr=LR, momentum=0.9,
                      weight_decay=5e-4)  # 优化方式为mini-batch momentum-SGD，并采用L2正则化（权重衰减）

# 训练
if __name__ == "__main__":
    best_acc = 85  # 2 初始化best test accuracy
    print("Start Training, Resnet-18!")  # 定义遍历数据集的次数
    with open("acc.txt", "w") as f:
        with open("log.txt", "w")as f2:
            for epoch in range(pre_epoch, EPOCH):
                print('\nEpoch: %d' % (epoch + 1))
                net.train()
                sum_loss = 0.0
                correct = 0.0
                total = 0.0
                for i, data in enumerate(trainloader, 0):
                    # 准备数据
                    length = len(trainloader)
                    inputs, labels = data
                    inputs, labels = inputs.to(device), labels.to(device)
                    optimizer.zero_grad()

                    # forward + backward
                    outputs = net(inputs)
                    loss = criterion(outputs, labels)
                    loss.backward()
                    optimizer.step()

                    # 每训练1个batch打印一次loss和准确率
                    sum_loss += loss.item()
                    _, predicted = torch.max(outputs.data, 1)
                    total += labels.size(0)
                    correct += predicted.eq(labels.data).cpu().sum()
                    print('[epoch:%d, iter:%d] Loss: %.03f | Acc: %.3f%% '
                          % (epoch + 1, (i + 1 + epoch * length), sum_loss / (i + 1), 100. * correct / total))
                    f2.write('%03d  %05d |Loss: %.03f | Acc: %.3f%% '
                             % (epoch + 1, (i + 1 + epoch * length), sum_loss / (i + 1), 100. * correct / total))
                    f2.write('\n')
                    f2.flush()

                # 每训练完一个epoch测试一下准确率
                print("Waiting Test!")
                with torch.no_grad():
                    correct = 0
                    total = 0
                    for data in testloader:
                        net.eval()
                        images, labels = data
                        images, labels = images.to(device), labels.to(device)
                        outputs = net(images)
                        # 取得分最高的那个类 (outputs.data的索引号)
                        _, predicted = torch.max(outputs.data, 1)
                        total += labels.size(0)
                        correct += (predicted == labels).sum()
                    print('测试分类准确率为：%.3f%%' % (100 * correct / total))
                    acc = 100. * correct / total
                    # 将每次测试结果实时写入acc.txt文件中
                    print('Saving model......')
                    torch.save(net.state_dict(), '%s/net_%03d.pth' % (args.outf, epoch + 1))
                    f.write("EPOCH=%03d,Accuracy= %.3f%%" % (epoch + 1, acc))
                    f.write('\n')
                    f.flush()
                    # 记录最佳测试分类准确率并写入best_acc.txt文件中
                    if acc > best_acc:
                        f3 = open("best_acc.txt", "w")
                        f3.write("EPOCH=%d,best_acc= %.3f%%" % (epoch + 1, acc))
                        f3.close()
                        best_acc = acc
            print("Training Finished, TotalEPOCH=%d" % EPOCH)

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46
    • 47
    • 48
    • 49
    • 50
    • 51
    • 52
    • 53
    • 54
    • 55
    • 56
    • 57
    • 58
    • 59
    • 60
    • 61
    • 62
    • 63
    • 64
    • 65
    • 66
    • 67
    • 68
    • 69
    • 70
    • 71
    • 72
    • 73
    • 74
    • 75
    • 76
    • 77
    • 78
    • 79
    • 80
    • 81
    • 82
    • 83
    • 84
    • 85
    • 86
    • 87
    • 88
    • 89
    • 90
    • 91
    • 92
    • 93
    • 94
    • 95
    • 96
    • 97
    • 98
    • 99
    • 100
    • 101
    • 102
    • 103
    • 104
    • 105
    • 106
    • 107
    • 108
    • 109
    • 110
    • 111
    • 112
    • 113
    • 114
    • 115
    • 116
    • 117
    • 118
    • 119
    • 120
    • 121
    • 122
    • 123
    • 124
    • 125
    • 126
    • 127
    • 128
    • 129
    • 130
    • 131
    • 132
    • 133
    • 134
    • 135
    • 136
    • 137
    • 138
    • 139
    • 140
    • 141
    • 142
    • 143
    • 144
    • 145
    • 146
    • 147
    • 148
    • 149
    • 150
    • 151
    • 152
    • 153
    • 154
    • 155
    • 156
    • 157
    • 158
    • 159
    • 160
    • 161
    • 162
    • 163
    • 164
    • 165
    • 166
    • 167
    • 168
    • 169
    • 170
    • 171
    • 172
    • 173
    • 174
    • 175
    • 176
    • 177
    • 178
    • 179
    • 180
    • 181
    • 182
    • 183
    • 184
    • 185
    • 186
    • 187

    输入图片大小为32*32。总共迭代训练了22次。


    图6-2 运行结果截图

    在这里插入图片描述

    ②RestNet-50

    import torch
from torch.utils.tensorboard.summary import image
import torchvision
import torch.nn as nn
import torchvision.transforms as transforms
import torch.optim as optim
import argparse


# 参数设置
parser = argparse.ArgumentParser(description='PyTorch CIFAR10 Training')
parser.add_argument('--outf', default='./model/', help='folder to output images and model checkpoints')  # 输出结果保存路径
parser.add_argument('--net', default='./model/Resnet18.pth', help="path to net (to continue training)")  # 恢复训练时的模型路径
args = parser.parse_args()

#图片转换格式
myTransforms = transforms.Compose([
    transforms.Resize((224, 224)),
    transforms.RandomHorizontalFlip(p=0.5),
    transforms.ToTensor(),
    transforms.Normalize((0.485, 0.456, 0.406), (0.229, 0.224, 0.225))])

#加载数据集
train_dataset = torchvision.datasets.CIFAR10(root='./data', train=True, download=True,
                                             transform=myTransforms)
train_loader = torch.utils.data.DataLoader(train_dataset, batch_size=64, shuffle=True, num_workers=0)

test_dataset = torchvision.datasets.CIFAR10(root='./data', train=False, download=True,
                                            transform=myTransforms)
test_loader = torch.utils.data.DataLoader(test_dataset, batch_size=4, shuffle=True, num_workers=0)

# 定义模型
myModel = torchvision.models.resnet50(pretrained=True)
# 将原来的ResNet-50的最后两层全连接层拿掉,替换成一个输出单元为10的全连接层
inchannel = myModel.fc.in_features
myModel.fc = nn.Linear(inchannel, 10)

# GPU加速
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
myModel = myModel.to(device)
# 学习率
learning_rate = 0.001
# 优化器
optimizer = optim.SGD(myModel.parameters(), lr=learning_rate, momentum=0.9)
# 损失函数
myLoss = torch.nn.CrossEntropyLoss()

if __name__ == "__main__":
    best_acc = 85  # 初始化best test accuracy
    print("Start Training, Resnet-50!")
    with open("acc.txt", "w") as f:
        with open("log.txt", "w")as f2:
            # 这里先定义迭代20次，但是加载了预训练模型，在第三次已近达到97%，就手动退出了
            for epoch in range(0, 20):
                print('\nEpoch: %d' % (epoch + 1))
                sum_loss = 0.0
                correct = 0.0
                total = 0.0
                for i, data in enumerate(train_loader, 0):
                    # 准备数据
                    length = len(train_loader)
                    inputs, labels = data
                    inputs, labels = inputs.to(device), labels.to(device)
                    outputs = myModel.forward(inputs)
                    loss = myLoss(outputs, labels)
                    optimizer.zero_grad()
                    loss.backward()
                    optimizer.step()

                    # 每训练1个batch打印一次loss和准确率
                    sum_loss += loss.item()
                    _, predicted = torch.max(outputs.data, 1)
                    total += labels.size(0)
                    correct += predicted.eq(labels.data).cpu().sum()
                    print('[epoch:%d, iter:%d] Loss: %.03f | Acc: %.3f%% '
                          % (epoch + 1, (i + 1 + epoch * length), sum_loss / (i + 1), 100. * correct / total))
                    f2.write('%03d  %05d |Loss: %.03f | Acc: %.3f%% '
                             % (epoch + 1, (i + 1 + epoch * length), sum_loss / (i + 1), 100. * correct / total))
                    f2.write('\n')
                    f2.flush()

                # 每训练完一个epoch测试一下准确率
                print("Waiting Test!")
                with torch.no_grad():
                    correct = 0
                    total = 0
                    for data in test_loader:
                        images, labels = data
                        images, labels = images.to(device), labels.to(device)
                        outputs = myModel(images)
                        # 取得分最高的那个类 (outputs.data的索引号)
                        _, predicted = torch.max(outputs.data, 1)
                        total += labels.size(0)
                        correct += (predicted == labels).sum()
                    print('测试分类准确率为：%.3f%%' % (100 * correct / total))
                    acc = 100. * correct / total
                    # 将每次测试结果实时写入acc.txt文件中
                    print('Saving model......')
                    torch.save(myModel.state_dict(), '%s/net_%03d.pth' % (args.outf, epoch + 1))
                    f.write("EPOCH=%03d,Accuracy= %.3f%%" % (epoch + 1, acc))
                    f.write('\n')
                    f.flush()
                    # 记录最佳测试分类准确率并写入best_acc.txt文件中
                    if acc > best_acc:
                        f3 = open("best_acc.txt", "w")
                        f3.write("EPOCH=%d,best_acc= %.3f%%" % (epoch + 1, acc))
                        f3.close()
                        best_acc = acc
            print("Training Finished, TotalEPOCH=%d" % 100)

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46
    • 47
    • 48
    • 49
    • 50
    • 51
    • 52
    • 53
    • 54
    • 55
    • 56
    • 57
    • 58
    • 59
    • 60
    • 61
    • 62
    • 63
    • 64
    • 65
    • 66
    • 67
    • 68
    • 69
    • 70
    • 71
    • 72
    • 73
    • 74
    • 75
    • 76
    • 77
    • 78
    • 79
    • 80
    • 81
    • 82
    • 83
    • 84
    • 85
    • 86
    • 87
    • 88
    • 89
    • 90
    • 91
    • 92
    • 93
    • 94
    • 95
    • 96
    • 97
    • 98
    • 99
    • 100
    • 101
    • 102
    • 103
    • 104
    • 105
    • 106
    • 107
    • 108
    • 109

    为了提高预测准确率，输入图片大小为224*224。总共迭代训练了3次。
    在这里插入图片描述
    在这里插入图片描述
    ③界面展示
    界面.py:

    # -*- coding: utf-8 -*-

# Form implementation generated from reading ui file 'pyqt'
#
# Created by: PyQt5 UI code generator 5.15.4
#
# WARNING: Any manual changes made to this file will be lost when pyuic5 is
# run again.  Do not edit this file unless you know what you are doing.


from PyQt5 import QtCore, QtGui, QtWidgets


class Ui_Dialog(object):
    def setupUi(self, Dialog):
        Dialog.setObjectName("Dialog")
        Dialog.resize(1046, 621)
        self.gridLayout = QtWidgets.QGridLayout(Dialog)
        self.gridLayout.setObjectName("gridLayout")
        spacerItem = QtWidgets.QSpacerItem(40, 20, QtWidgets.QSizePolicy.Fixed, QtWidgets.QSizePolicy.Minimum)
        self.gridLayout.addItem(spacerItem, 2, 0, 1, 1)
        spacerItem1 = QtWidgets.QSpacerItem(40, 20, QtWidgets.QSizePolicy.Fixed, QtWidgets.QSizePolicy.Minimum)
        self.gridLayout.addItem(spacerItem1, 2, 2, 1, 1)
        spacerItem2 = QtWidgets.QSpacerItem(20, 40, QtWidgets.QSizePolicy.Minimum, QtWidgets.QSizePolicy.Fixed)
        self.gridLayout.addItem(spacerItem2, 4, 1, 1, 1)
        self.label_title = QtWidgets.QLabel(Dialog)
        font = QtGui.QFont()
        font.setFamily("Adobe 黑体 Std R")
        font.setPointSize(24)
        self.label_title.setFont(font)
        self.label_title.setContextMenuPolicy(QtCore.Qt.DefaultContextMenu)
        self.label_title.setFrameShape(QtWidgets.QFrame.Box)
        self.label_title.setFrameShadow(QtWidgets.QFrame.Plain)
        self.label_title.setObjectName("label_title")
        self.gridLayout.addWidget(self.label_title, 2, 1, 1, 1)
        self.horizontalLayout_3 = QtWidgets.QHBoxLayout()
        self.horizontalLayout_3.setObjectName("horizontalLayout_3")
        self.label_img = QtWidgets.QLabel(Dialog)
        self.label_img.setFrameShape(QtWidgets.QFrame.Box)
        self.label_img.setObjectName("label_img")
        self.horizontalLayout_3.addWidget(self.label_img)
        self.verticalLayout = QtWidgets.QVBoxLayout()
        self.verticalLayout.setObjectName("verticalLayout")
        self.horizontalLayout = QtWidgets.QHBoxLayout()
        self.horizontalLayout.setObjectName("horizontalLayout")
        self.label_label = QtWidgets.QLabel(Dialog)
        font = QtGui.QFont()
        font.setFamily("方正舒体")
        font.setPointSize(20)
        self.label_label.setFont(font)
        self.label_label.setObjectName("label_label")
        self.horizontalLayout.addWidget(self.label_label)
        self.label_label_name = QtWidgets.QLabel(Dialog)
        font = QtGui.QFont()
        font.setFamily("方正舒体")
        font.setPointSize(20)
        self.label_label_name.setFont(font)
        self.label_label_name.setObjectName("label_label_name")
        self.horizontalLayout.addWidget(self.label_label_name)
        self.verticalLayout.addLayout(self.horizontalLayout)
        spacerItem3 = QtWidgets.QSpacerItem(20, 40, QtWidgets.QSizePolicy.Minimum, QtWidgets.QSizePolicy.Fixed)
        self.verticalLayout.addItem(spacerItem3)
        self.horizontalLayout_2 = QtWidgets.QHBoxLayout()
        self.horizontalLayout_2.setObjectName("horizontalLayout_2")
        self.label_acc = QtWidgets.QLabel(Dialog)
        font = QtGui.QFont()
        font.setFamily("方正舒体")
        font.setPointSize(20)
        self.label_acc.setFont(font)
        self.label_acc.setObjectName("label_acc")
        self.horizontalLayout_2.addWidget(self.label_acc)
        self.label_acc_value = QtWidgets.QLabel(Dialog)
        font = QtGui.QFont()
        font.setFamily("方正舒体")
        font.setPointSize(20)
        self.label_acc_value.setFont(font)
        self.label_acc_value.setObjectName("label_acc_value")
        self.horizontalLayout_2.addWidget(self.label_acc_value)
        self.verticalLayout.addLayout(self.horizontalLayout_2)
        spacerItem4 = QtWidgets.QSpacerItem(20, 40, QtWidgets.QSizePolicy.Minimum, QtWidgets.QSizePolicy.Fixed)
        self.verticalLayout.addItem(spacerItem4)
        self.pushButton = QtWidgets.QPushButton(Dialog)
        font = QtGui.QFont()
        font.setFamily("方正舒体")
        font.setPointSize(20)
        self.pushButton.setFont(font)
        self.pushButton.setObjectName("pushButton")
        self.verticalLayout.addWidget(self.pushButton)
        self.horizontalLayout_3.addLayout(self.verticalLayout)
        self.gridLayout.addLayout(self.horizontalLayout_3, 3, 1, 1, 1)
        spacerItem5 = QtWidgets.QSpacerItem(20, 40, QtWidgets.QSizePolicy.Minimum, QtWidgets.QSizePolicy.Fixed)
        self.gridLayout.addItem(spacerItem5, 1, 1, 1, 1)

        self.retranslateUi(Dialog)
        QtCore.QMetaObject.connectSlotsByName(Dialog)

    def retranslateUi(self, Dialog):
        _translate = QtCore.QCoreApplication.translate
        Dialog.setWindowTitle(_translate("Dialog", "Dialog"))
        self.label_title.setText(_translate("Dialog", "TextLabel"))
        self.label_img.setText(_translate("Dialog", "TextLabel"))
        self.label_label.setText(_translate("Dialog", "TextLabel"))
        self.label_label_name.setText(_translate("Dialog", "TextLabel"))
        self.label_acc.setText(_translate("Dialog", "TextLabel"))
        self.label_acc_value.setText(_translate("Dialog", "TextLabel"))
        self.pushButton.setText(_translate("Dialog", "PushButton"))


    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46
    • 47
    • 48
    • 49
    • 50
    • 51
    • 52
    • 53
    • 54
    • 55
    • 56
    • 57
    • 58
    • 59
    • 60
    • 61
    • 62
    • 63
    • 64
    • 65
    • 66
    • 67
    • 68
    • 69
    • 70
    • 71
    • 72
    • 73
    • 74
    • 75
    • 76
    • 77
    • 78
    • 79
    • 80
    • 81
    • 82
    • 83
    • 84
    • 85
    • 86
    • 87
    • 88
    • 89
    • 90
    • 91
    • 92
    • 93
    • 94
    • 95
    • 96
    • 97
    • 98
    • 99
    • 100
    • 101
    • 102
    • 103
    • 104
    • 105
    • 106
    • 107

    main.py:

    import sys
import torchvision
from PyQt5 import QtCore, QtGui
from PyQt5.QtWidgets import *
from PyQt5.QtCore import Qt
from PyQt5.QtGui import QIcon
import cv2
import torch.nn.functional as F
import torch
import torch.nn as nn
import torchvision.transforms as transforms
from pyqt import Ui_Dialog



class ShowWindow(QDialog,Ui_Dialog):
    def __init__(self):
        super(ShowWindow,self).__init__()
        self.setupUi(self)
        #初始化界面
        self.label_label.setText("  类别:")
        self.label_label_name.setText("")
        self.label_acc.setText("置信度:")
        self.label_acc_value.setText("")
        self.label_title.setAlignment(Qt.AlignCenter)
        self.label_title.setText("机器学习大作业")
        self.pushButton.setText("预测")
        self.setWindowTitle("ResNet-50")
        self.setWindowIcon(QIcon("logo.ico"))

        # 创建定时器,定时器用来定时拍照
        self.timer_camera = QtCore.QTimer()
        self.user = []
        #读取模型
        self.model_path = r"net.pth"
        self.classes = ['plane', 'car', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck']#Fifar-10的10个种类名
        self.device = torch.device("cuda" if torch.cuda.is_available() else "cpu")#有则用GPU
        # 将原来的ResNet50的最后两层全连接层拿掉,替换成一个输出单元为10的全连接层
        self.net = torchvision.models.resnet50(pretrained=True)
        inchannel = self.net.fc.in_features
        self.net.fc = nn.Linear(inchannel, 10)
        #加载模型参数
        self.net.load_state_dict(torch.load(self.model_path))
        self.net.eval()

        self.camera_init()#摄像头初始化
        self.timer_camera.timeout.connect(self.show_camera)#计时结束显示图片
        self.timer_camera.start(30)#30ms拍一次照片

        # 点击按键进行预测
        self.pushButton.clicked.connect(self.slot_btn_recognize)


    def camera_init(self):
        self.cap = cv2.VideoCapture(0)



    def show_camera(self):
        flag, self.image = self.cap.read()#读一张图片
        show = cv2.resize(self.image, (640, 480))
        show = cv2.cvtColor(show, cv2.COLOR_BGR2RGB)
        # 将图片显示在了label上
        showImage = QtGui.QImage(show.data, show.shape[1], show.shape[0], QtGui.QImage.Format_RGB888)
        self.label_img.setPixmap(QtGui.QPixmap.fromImage(showImage))


    # 按钮预测事件
    def slot_btn_recognize(self):
        class_name,acc=self.preict_one_img(self.image, self.model_path)
        self.label_label_name.setText(class_name)#预测的类别名
        self.label_acc_value.setText(str(acc))#预测正确的概率

    def preict_one_img(self,img, model_path):
        img = cv2.resize(img, (224, 224))#训练时设置输入为224*224
        # 将numpy数据变成tensor
        tran = transforms.ToTensor()
        img = tran(img)
        img = img.to(self.device)
        # 将数据变成网络需要的shape
        img = img.view(1, 3, 224, 224)

        out1 = self.net(img)
        out1 = F.softmax(out1, dim=1)
        proba, class_ind = torch.max(out1, 1)

        proba = float(proba)
        class_ind = int(class_ind)
        return self.classes[class_ind], round(proba, 3)
if __name__ == "__main__":
    app = QApplication(sys.argv)
    w = ShowWindow()
    w.show()
    sys.exit(app.exec_())



    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46
    • 47
    • 48
    • 49
    • 50
    • 51
    • 52
    • 53
    • 54
    • 55
    • 56
    • 57
    • 58
    • 59
    • 60
    • 61
    • 62
    • 63
    • 64
    • 65
    • 66
    • 67
    • 68
    • 69
    • 70
    • 71
    • 72
    • 73
    • 74
    • 75
    • 76
    • 77
    • 78
    • 79
    • 80
    • 81
    • 82
    • 83
    • 84
    • 85
    • 86
    • 87
    • 88
    • 89
    • 90
    • 91
    • 92
    • 93
    • 94
    • 95
    • 96

    在这里插入图片描述

    6.3参考代码链接

    https://blog.csdn.net/TTTSEP9TH2244/article/details/123122902
https://blog.csdn.net/e01528/article/details/83339241
https://blog.csdn.net/TTTSEP9TH2244/article/details/123123067

    • 1
    • 2
    • 3
  • 相关阅读:
    【.Net Core】ShardingCore分库分表解决方案之多租户
    C语言贪食蛇小游戏教程来了，手把手教你制作一款属于自己的多彩贪吃蛇游戏
    C++：stl_List的介绍与模拟实现
    西南科技大学模拟电子技术实验四（集成运算放大器的线性应用）预习报告
    嵌入式入门学习的必要步骤
    深入理解Spring Boot AOP：CGLIB代理与JDK动态代理的完全指南
    将nestjs项目迁移到阿里云函数
    C# 根据两点名称，寻找两短路程的最优解，【有数据库设计，完整代码】
    深入解析 TypeScript 中的 .d.ts 语法
    【数据结构学习笔记】18：线段树（单点修改）
  • 原文地址：https://blog.csdn.net/qq_46146657/article/details/126020370