1 前言

ResNet 是一种经典的图像识别领域模型，在 2015 年图像识别领域多个竞赛中排行第一，并且性能上相较第二有大幅提升。在这篇文章里，我们就站在巨人们的肩膀上，搭建一个基于 ResNet 识别花卉图片（Oxford 102 Flowers）的神经网络吧。

2 ResNet 简介

在 ResNet 以前，由于存在梯度消失和梯度爆炸的问题，神经网络层数越深，网络越难以训练，导致深层网络的准确度出现下降。

ResNet 通过引入残差块（Residual block），将 a[l]添加到第二个 ReLU 过程中，直接建立 a[l]与 a[l+2]之间的隔层联系。表达式如下：

论文[1]作者推测模型对残差的拟合优化会比对随机权重的拟合更加容易（因为baseline就是恒等映射），所以在极端状况下，残差块的中间层没有激活，即W≈0，b≈0，则有：

残差块示例

所以这种构造方式保证了深层的网络比浅层包含了更多（至少恒等）的图像信息。多个残差块堆积在一起，便形成了一个残差网络。

残差网络和普通深度神经网络对比

3 用 ResNet 构造分类模型

在下列 demo 中，我们使用 keras 已有的 ResNet50预训练模型，对 Oxford 102 Flowers 数据集中的 10 种花卉图片进行多分类任务模型的构造。在工程上我们只需要修改 ResNet50 顶部的全连接层，对输入的图片数据进行裁剪，旋转，放大等数据增强，训练所有模型参数即可。代码如下：

import osfrom keras.preprocessing.image import ImageDataGeneratorfrom keras.models import Model, load_modelfrom keras.applications import ResNet50from keras.optimizers import Adamfrom keras.layers import Flatten, Dense, Dropout, Inputfrom keras.callbacks import EarlyStopping, ModelCheckpointimport numpy as npimport mathdef fc_block(X,units,dropout,stage):    fc_name = 'fc' + str(stage)    X = Dense(units,activation ='elu',name = fc_name)(X)    X = Dropout(dropout)(X)    return Xdef ResNet50_transfer():    #call base_model    base_model = ResNet50(        include_top=False,        weights="imagenet",        input_tensor= Input(shape=img_size + (3,))    )    # freeze resnet layers' params    for layer in base_model.layers:        layer.trainable = False    # top architecture    X = base_model.output    X = Flatten()(X)    X = Dropout(0.4)(X)    X = fc_block(X,fc_layer_units[0],dropout = 0.4,stage = 1)    X = fc_block(X,fc_layer_units[1],dropout = 0.4,stage = 2)    # output layer    X = Dense(len(classes),activation='softmax',name = 'fc3_output')(X)    # create model    model = Model(inputs = base_model.input,outputs = X, name = 'ResNet50_transfer')    return modeldef generate_data(train_path,valid_path):    # generate & augment training data    train_datagen = ImageDataGenerator(rotation_range=30., shear_range=0.2, zoom_range=0.2, horizontal_flip=True)    train_datagen.mean = np.array([123.675, 116.28 , 103.53], dtype=np.float32).reshape((3, 1, 1))    train_data = train_datagen.flow_from_directory(train_path, target_size=img_size, classes=None)    # generate training data    valid_datagen = ImageDataGenerator()    valid_datagen.mean = np.array([123.675, 116.28 , 103.53], dtype=np.float32).reshape((3, 1, 1))    valid_data = train_datagen.flow_from_directory(valid_path, target_size=img_size, classes=None)    return train_data, valid_datadef call_back():    early_stopping = EarlyStopping(verbose=1, patience=10, monitor='val_loss')    model_checkpoint = ModelCheckpoint(filepath='102flowersmodel.h5', verbose=1, save_best_only=True, monitor='val_loss')    callbacks = [early_stopping, model_checkpoint]    return callbacks# path_to_img: 'dataset/flower_data_10/train/1//image_06734.jpg'train_path = 'dataset/flower_data_10/train'valid_path = 'dataset/flower_data_10/valid'nb_epoch = 20batch_size = 32img_size = (224,224)# output classesclasses = list(map(str,[1,2,3,4,5,6,7,8,9,10]))rgb_mean = [123.68, 116.779, 103.939]fc_layer_units = [512,64]model = ResNet50_transfer()model.compile(loss='categorical_crossentropy', optimizer=Adam(lr=1e-5), metrics=['accuracy'])train_data, valid_data = generate_data(train_path,valid_path)callbacks = call_back()model.fit_generator(train_data, steps_per_epoch= math.ceil(train_data.samples / batch_size), epochs=nb_epoch,                    validation_data=valid_data, validation_steps=math.ceil(valid_data.samples / batch_size),                    callbacks=callbacks)

经过 20 个 epoch 的训练后，验证集的准确度已经达到了 0.8837。

4 小结

本文章简单地介绍了 ResNet 的特点，以及提供了搭建图片分类模型的代码模板。显卡配置较高的同学可以尝试搭建不同规模的 ResNet 网络观察网络深度对模型性能的影响；对于图像识别模型感兴趣的同学推荐细读 ResNet 论文: Deep Residual Learning for Image Recognition。

参考资料

[1] Deep Residual Learning for Image Recognition: