使用卷积神经网络进行图像识别
该博客探讨了使用卷积（“深度学习”）神经网络的典型图像识别任务。为此，我们将使用D.Persson提供的简单JavaCNN程序包，并使用Python脚本语言使我们的示例简洁明了。也可以用Java，Groovy，JRuby或Java虚拟机支持的任何脚本语言重写此示例。
本示例将使用灰度格式（PGM）的图像。名称“ PGM”是从“便携式灰度图”派生而来的首字母缩略词，其中单元格值介于0到255之间。文件通常为二进制格式（其神奇的值为“ P5”-您可以通过打开以下选项之一来查看它这样的文件），但您可以将它们转换为“普通”（或未压缩的PGM），
我们的输入图像来自公共数据库（CBCL人脸数据库MIT生物学和计算学习中心）。让我们使用此（略微修改）数据库复制一个zip文件并解压缩。为此，请安装最新的DataMelt程序，制作一个文件“ example.py”，然后使用DataMelt运行以下命令：
从jhplot导入*
打印Web.get（“ http://jwork.org/dmelt/examples/data/mitcbcl_pgm_set2.zip”）
打印IO.unzip（“ mitcbcl_pgm_set2.zip”）
最后一个命令解压缩两个目录“ train”和“ test”。您可以省略“打印”，仅用于打印这些命令的状态。每个目录中都有带有人脸的图像（“ face_ *”）和一些其他图像（“ cmu_ *”。请注意，文件名中的“ _”很重要，因为这有助于识别图像类型。“ train”目录中包含约1500个文件，带有人脸图像和13700文件以及其他类型的图像，让我们看一看图像并研究其属性，我们将使用IJ Java程序包，将以下代码添加到前几行：
从ij import *
imp = IJ.openImage（“ mitcbcl_pgm_set2 / train / face_00001.pgm”）
打印“ Width：”，imp.width，“ Hight：”，imp.height
imp.show（）＃在框架中显示此图像
ip = imp.getProcessor（）。convertToFloat（）
pixel = ip.getPixels（）＃获取像素数组
打印像素＃打印像素数组
这些命令在屏幕上显示图像，打印其尺寸（19x19像素），以及带有PGM图像值的3D矩阵。现在让我们创建一个将执行以下操作的代码：
从“ train /”目录中读取图像
从“ test /”目录中读取图像
使用几个卷积层和池化层初始化CNN
它运行超过50次迭代。您可以根据所需的图像识别精度来增加或减少此数字。
在每次迭代期间，它都会计算“ test /”目录中带有面孔的正确识别图像的概率，并将CNN保存到文件中
训练结束时，它将从文件中读取训练后的CNN，并在测试图像上执行最终运行，并打印预测。
复制这些行并将其保存在文件“ example.py”中。然后在DataMelt中运行以下代码：
从jhplot导入*
打印Web.get（“ http://jwork.org/dmelt/examples/data/mitcbcl_pgm_set2.zip”）
打印IO.unzip（“ mitcbcl_pgm_set2.zip”）
NMax = 50＃总运行次数。减少此数字可
从org.ea.javacnn.data导入DataBlock，OutputDefinition，TrainResult
从org.ea.javacnn.layers导入DropoutLayer，FullyConnectedLayer，InputLayer，LocalResponseNormalizationLayer
从org.ea.javacnn.layers导入ConvolutionLayer，RectifiedLinearUnitsLayer，
来自org.ea.javacnn.losslayers的PoolingLayer 从org.ea.javacnn.readers导入SoftMaxLayer
从org.ea.javacnn.trainers导入ImageReader，MnistReader，PGMReader，Reader
从org.ea.javacnn导入AdaGradTrainer，Trainer
导入JavaCNN
从java.util导入ArrayList，
从java.lang导入的数组系统
图层= ArrayList（）; de = OutputDefinition（）
打印“运行总数=”，NMax
打印“正在读取火车样本。”
mr = PGMReader（“ mitcbcl_pgm_set2 / train /”）
打印“培训图像的总数=“，mr.size（）， “类型的Nr =”，mr.numOfClasses（）
打印“读取测试样本..”
mrTest = PGMReader（“ mitcbcl_pgm_set2 / test /”）
打印“测试图像的总数=”，mrTest.size（），“ types =“，mrTest.numOfClasses（）
modelName =” model.ser“＃将NN保存到此文件   
layers.add（InputLayer（de，mr.getSizeX（），mr.getSizeY（），1））
layers.add（ConvolutionLayer （de，5，
layer.add（RectifiedLinearUnitsLayer（））＃应用非饱和激活函数
layer.add（PoolingLayer（de，2
layer.add（ConvolutionLayer（de，5，64， 1，2））
layers.add（RectifiedLinearUnitsLayer（））
layers.add（PoolingLayer（de，
2
layers.add（LocalResponseNormalizationLayer（））
layers.add （DropoutLayer（de））
layers.add（FullyConnectedLayer（de，mr.numOfClasses（）））
layers.add（SoftMaxLayer（de））
打印“ Training ..”
net = JavaCNN（layers）
trainer = AdaGradTrainer（net，20， 0.001）
从jarray导入零
numberDistribution，correctPredictions =零（10，“ i”），零（10，“ i”）
开始= System.currentTimeMillis（）
db = DataBlock（mr.getSizeX（），mr.getSizeY（），1，0）
for j在范围（NMax）中：对于范围（ir）
  中的i，
  损耗= 0
：
    db.addImageData（mr.readNextImage（），mr.getMaxvalue（））
    tr = trainer.train（db，mr.readNextLabel（） ）
    损失=损失+ tr.getLoss（）
    如果（i！= 0并且i％500 == 0）：
       打印“ Nr of images：”，i，“ Loss：”
  print“损失：“，”（运行损失= / float（mr.size（））），“ =” j
  mr.reset（）
  打印'Wait ..计算标签的预测='，mr.getLabels（）
  Arrays.fill（正确的预测0）
  适用于范围（mrTest.size（））中i的
  Arrays.fill（numberDistribution，0）：
            db.addImageData（mrTest.readNextImage（），mr.getMaxvalue（））
            net.forward（db，False）
            正确= mrTest.readNextLabel（ ）
            预测= net.getPrediction（）
            if（正确==预测）：correctPredictions [正确] + = 1 numberDistribution [正确]
            + = 1
  mrTest.reset（）
  打印“->测试时间：”，int（0.001 *（系统.currentTimeMillis（）-start）），“ s”
  打印“->当前运行：”，j
  打印net.getPredictions（correctPredictions，numberDistribution，mrTest.size（），mrTest.numOfClasses（））
  打印“->保存当前状态到“，modelName
  net.saveModel（MODELNAME）
打印“读取训练从网络”，MODELNAME “并作出最后的测试”
CNN = net.loadModel（MODELNAME）
Arrays.fill（correctPredictions，0）
Arrays.fill（numberDistribution，0）
对于i在范围（mrTest.size（））：
            db.addImageData（mrTest.readNextImage（），mr.getMaxvalue（））
            net.forward（db，False）
            正确= mrTest.readNextLabel（）
            预测= net.getPrediction（）
            if（正确==预测）：correctPredictions [正确] + = 1个
            numberDistribution [正确] + = 1个
打印“最终测试：”
打印net.getPredictions（correctPredictions，numberDistribution，mrTest.size（），mrTest.numOfClasses（））
50次迭代通常需要几个小时。识别带有人脸图像的最终可能性将接近85％。考虑到此任务的复杂性，这是相当不错的性能。
1