零基础入门CV赛事- 街景字符编码识别

最新推荐文章于 2021-06-04 22:37:45 发布

楚天星云

最新推荐文章于 2021-06-04 22:37:45 发布

阅读量346

点赞数

本文链接：https://blog.youkuaiyun.com/weixin_43866606/article/details/106357868

版权

本文介绍如何从零开始参与计算机视觉比赛，以街景字符编码识别为例，详细讲解了使用Pytorch构建CNN模型的过程，包括数据读取、数据扩增、CNN原理及经典模型，并提供了具体代码实现。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

零基础入门CV赛事- 街景字符编码识别 Task2 数据读取与数据扩增

学习目标
CNN介绍
Pytorch构建CNN模型

学习目标

CNN基础和原理
Pytorch和CNN模型的构建

CNN介绍

CNN网络一般由卷积（convolution）、池化（pooling）、非线性激活函数（non-linear activation function）和全连接层（fully connected layer）构成。
多种经典的CNN模型：LeNet-5(1998)，AlexNet(2012)，VGG-16(2014)，Inception-v1 (2014)，ResNet-50 (2015)。

Pytorch构建CNN模型

定义模型：

import torch
torch.manual_seed(0)
torch.backends.cudnn.deterministic = False
torch.backends.cudnn.benchmark = True

import torchvision.models as models
import torchvision.transforms as transforms
import torchvision.datasets as datasets
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
from torch.autograd import Variable
from torch.utils.data.dataset import Dataset

# 定义模型
class SVHN_Model1(nn.Module):
   def __init__(self):
       super(SVHN_Model1, self).__init__()
       # CNN提取特征模块
       self.cnn = nn.Sequential(
           nn.Conv2d(3, 16, kernel_size=(3, 3), stride=(2, 2)),
           nn.ReLU(),  
           nn.MaxPool2d(2),
           nn.Conv2d(16, 32, kernel_size=(3, 3), stride=(2, 2)),
           nn.ReLU(), 
           nn.MaxPool2d(2),
       )
       # 
       self.fc1 = nn.Linear(32*3*7, 11)
       self.fc2 = nn.Linear(32*3*7, 11)
       self.fc3 = nn.Linear(32*3*7, 11)
       self.fc4 = nn.Linear(32*3*7, 11)
       self.fc5 = nn.Linear(32*3*7, 11)
       self.fc6 = nn.Linear(32*3*7, 11)
   
   def forward(self, img):        
       feat = self.cnn(img)
       feat = feat.view(feat.shape[0], -1)
       c1 = self.fc1(feat)
       c2 = self.fc2(feat)
       c3 = self.fc3(feat)
       c4 = self.fc4(feat)
       c5 = self.fc5(feat)
       c6 = self.fc6(feat)
       return c1, c2, c3, c4, c5, c6
   
model = SVHN_Model1()

训练模型：

# 损失函数
criterion = nn.CrossEntropyLoss()
# 优化器
optimizer = torch.optim.Adam(model.parameters(), 0.005)

loss_plot, c0_plot = [], []
# 迭代10个Epoch
for epoch in range(10):
    for data in train_loader:
        c0, c1, c2, c3, c4, c5 = model(data[0])
        loss = criterion(c0, data[1][:, 0]) + \
                criterion(c1, data[1][:, 1]) + \
                criterion(c2, data[1][:, 2]) + \
                criterion(c3, data[1][:, 3]) + \
                criterion(c4, data[1][:, 4]) + \
                criterion(c5, data[1][:, 5])
        loss /= 6
        optimizer.zero_grad()
        loss.backward()
        optimizer.step()
        
        loss_plot.append(loss.item())
        c0_plot.append((c0.argmax(1) == data[1][:, 0]).sum().item()*1.0 / c0.shape[0])
        
    print(epoch)