admin管理员组文章数量:1630203
作者|Anders Ohrn 编译|VK 来源|Towards Data Science
利用深度卷积神经网络(DCNN)进行监督图像分类是一个成熟的过程。通过预训练模板模型加上微调优化，可以在许多有意义的应用中获得非常高的准确率——比如最近在医学图像上的这项研究，在日常物体图像上预训练的模板Inception v3模型对前列腺癌诊断的准确率达到了99.7%。
对于无监督的图像机器学习，目前的研究现状远没有定论。
聚类是无监督机器学习的一种形式，其中数据（本例中的图像）根据数据收集本身的某种结构进行分簇。在同一个簇中结束的图像应该比不同簇中的图像更相似。
图像数据可能是复杂的-变化的背景，视图中的多个对象-因此一对图像比另一对图像更相似意味着什么并不明显。如果没有基本的真实性标签，通常不清楚是什么使一种聚类方法优于另一种聚类方法。
一方面，无监督的问题因此比有监督的问题更加模糊。没有现成的正确答案可供优化。另一方面，从模糊的问题、假设的产生、问题的发现和修补中，最有趣的东西出现了。
我将描述一种最新的图像聚类方法的实现（https://arxiv/abs/1903.12355）。这是近年来发表的许多先进的DCNN聚类技术之一。
我使用PyTorch库来演示如何实现这个方法，并在整个文本中提供了几个详细的代码片段。仓库中提供完整的代码：https://github/anderzzz/monkey_caput
在标准库中没有无监督版本的聚类方法，这点不像有监督版本，它可以很容易获得图像聚类方法，但PyTorch仍然能够平稳地实现实际上非常复杂的方法。因此，我能够探索、测试和轻微地探究DCNNs应用于聚类任务时可以做什么。
我的目标是展示如何从一些概念和方程开始，你可以使用PyTorch来得到一些可以在计算机上运行的非常具体的东西，并指导进一步的创新和修改你所拥有的任何任务
我将把这个应用到真菌的图像上。为什么是真菌？你待会儿再看。
但首先…实现VGG自编码器
在讨论聚类方法之前，我将实现一个自动编码器（AE）。AEs有各种各样的应用，包括降维，并且本身很有趣。它们在图像聚类中的作用将在以后变得更加清楚。
用PyTorch库实现基本的ae并不是那么困难（请看这两个例子）。我将实现特定的AE架构，它是SegNet方法的一部分，它建立在VGG模板卷积网络上。VGG定义了一种体系结构，最初是为监督图像分类而开发的。
AE的架构如下图所示。
图像自编码的步骤如下：
准备输入图像（左上角）
将图像输入编码器，由具有标准CNN和ReLU激活的卷积层（绿色）和最大池层（紫色）组成
得到一个低维的编码
将编码输入译码器，它由转置的卷积层（带归一化和ReLU激活）（浅绿色）和解池化层（浅紫色）加上一个没有归一化或激活的最终卷积层（黄色）
获得与输入尺寸相同的输出图像。
是时候把这个设计变成代码了。
我从创建一个编码器模块开始。第一行，包括初始化方法，如下所示：
import torch
from torch import nn
from torchvision import models
class EncoderVGG(nn.Module):
'''
基于vgg16体系结构的图像编码器，具有batch normalization。
Args:
预训练的params (bool，可选):是否应该用预训练的vGG参数填充网络,默认值为True
'''
channels_in = 3
channels_code = 512
def __init__(self, pretrained_params=True):
super(EncoderVGG, self).__init__()
vgg = models.vgg16_bn(pretrained=pretrained_params)
del vgg.classifier
del vgg.avgpool
self.encoder = self._encodify_(vgg)编码器的结构与VGG-16卷积网络的特征提取层结构相同。因此，PyTorch库中很容易找到该部分—PyTorch models.vgg16_bn，请参阅代码片段中的第19行。
与VGG的规范应用程序不同，编码不会被输入到分类层中。最后两层vgg.classifier以及vgg.avgpool被丢弃。
编码器的层需要一次调整。在解码器的解池层中，编码器的最大池层中的池索引必须可用，在前面的图像中虚线箭头表示。VGG -16的模板版本不生成这些索引。然而，池化层可以重新初始化。这就是EncoderVGG模块的_encodify方法完成的工作。
def _encodify_(self, encoder):
'''
基于VGG模板的架构创建编码器模块列表。在编码器-解码器体系结构中，解码器中的解池操作需要来自编码器中相应池操作的池索引。在VGG模板中，这些索引不返回。因此需要使用此方法扩展池操作。
参数:
编码器:模板VGG模型
返回:
模块:定义与VGG模型对应的编码器的模块列表
'''
modules = nn.ModuleList()
for module in encoder.features:
if isinstance(module, nn.MaxPool2d):
module_add = nn.MaxPool2d(kernel_size=module.kernel_size,
stride=module.stride,
padding=module.padding,
return_indices=True)
modules.append(module_add)
else:
modules.append(module)
return modules因为这是一个PyTorch模块（nn.Module)，通过EncoderVGG实例实现小批量图像数据的前向传播需要一个forward方法：
def forward(self, x):
'''将图像输入encoder
Args:
x (Tensor): 图片tensor
Returns:
x_code (Tensor): 编码 tensor
pool_indices (list): 池索引张量
'''
pool_indices = []
x_current = x
for module_encode in self.encoder:
output = module_encode(x_current)
# 如果模块是池，有两个输出，第二个是池索引
if isinstance(output, tuple) and len(output) == 2:
x_current = output[0]
pool_indices.append(output[1])
else:
x_current = output
return x_current, pool_indices该方法按顺序执行编码器中的每个层，并在创建池索引时收集它们。在执行编码器模块之后，代码与池索引的有序集合一起返回。
接下来是解码器。
它是VGG-16网络的“转置”版本。我使用引号是因为解码器层看起来很像反向的编码器，但严格地说，它不是反转或转置。
译码器模块的初始化：
class DecoderVGG(nn.Module):
'''译码器的代码基于vgg16体系结构与batch normalization。
Args:
encoder: ' EncoderVGG '的编码器实例，它将被转换成一个解码器
'''
channels_in = EncoderVGG.channels_code
channels_out = 3
def __init__(self, encoder):
super(DecoderVGG, self).__init__()
self.decoder = self._invert_(encoder)
def _invert_(self, encoder):
'''将编码器反转，以将译码器创建为编码器的镜像
译码器由两种主要类型组成:二维转置卷积和二维解池，2D卷积之后是批处理归一化和激活。
译码器是反向的，编码器中的卷积变成了转置卷积加上归一化和激活，编码器中的maxpooling变成了unpooling。
Args:
版权声明：本文标题：用PyTorch实现图像聚类 内容由热心网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：https://m.elefans.com/dianzi/1729070275a1184961.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。
发表评论