目标检测——LeNet

目标检测——LeNet

demo的流程

1. model.py ——定义LeNet网络模型
2. train.py ——加载数据集并训练，训练集计算loss，测试集计算accuracy，保存训练好的网络参数
3. predict.py——得到训练好的网络参数后，用自己找的图像进行分类测试

1. model.py

先给出代码，模型是基于LeNet做简单修改，层数很浅，容易理解：

# 使用torch.nn包来构建神经网络.
import torch.nn as nn
import torch.nn.functional as F

class LeNet(nn.Module): 					# 继承于nn.Module这个父类
    def __init__(self):						# 初始化网络结构
        super(LeNet, self).__init__()    	# 多继承需用到super函数
        self.conv1 = nn.Conv2d(3, 16, 5)
        self.pool1 = nn.MaxPool2d(2, 2)
        self.conv2 = nn.Conv2d(16, 32, 5)
        self.pool2 = nn.MaxPool2d(2, 2)
        self.fc1 = nn.Linear(32*5*5, 120)
        self.fc2 = nn.Linear(120, 84)
        self.fc3 = nn.Linear(84, 10)

    def forward(self, x):			 # 正向传播过程
        x = F.relu(self.conv1(x))    # input(3, 32, 32) output(16, 28, 28)
        x = self.pool1(x)            # output(16, 14, 14)
        x = F.relu(self.conv2(x))    # output(32, 10, 10)
        x = self.pool2(x)            # output(32, 5, 5)
        x = x.view(-1, 32*5*5)       # output(32*5*5)
        x = F.relu(self.fc1(x))      # output(120)
        x = F.relu(self.fc2(x))      # output(84)
        x = self.fc3(x)              # output(10)
        return x

需注意：

• pytorch 中 tensor（也就是输入输出层）的 通道排序为：[batch, channel, height, width]
• pytorch中的卷积、池化、输入输出层中参数的含义与位置，如下图：
  

1.1 卷积 Conv2d

我们常用的卷积（Conv2d）在pytorch中对应的函数是：

torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode='zeros')

一般使用时关注以下几个参数即可：

• in_channels：输入特征矩阵的深度。如输入一张RGB彩色图像，那in_channels=3
• out_channels：输入特征矩阵的深度。也等于卷积核的个数，使用n个卷积核输出的特征矩阵深度就是n
• kernel_size：卷积核的尺寸。可以是int类型，如3 代表卷积核的height=width=3，也可以是 tuple类型如(3, 5)代表卷积核的height=3，width=5
• stride：卷积核的步长。默认为1，和kernel_size一样输入可以是int型，也可以是tuple类型
• padding：补零操作，默认为0。可以为int型如1即补一圈0，如果输入为tuple型如(2, 1) 代表在上下补2行，左右补1列。

附上pytorch官网上的公式：

经卷积后的输出层尺寸计算公式为：

• 输入图片大小 W×W（一般情况下Width=Height）
• Filter大小 F×F
• 步长 S
• padding的像素数 P
  若计算结果不为整数呢？pytorch中的卷积操作详解

1.2 池化 MaxPo