19 KiB
ЛАБОРАТОРНАЯ РАБОТА №3«Распознавание изображений»** А-02-22 бригада №8 Левшенко Д.И., Новиков Д. М., Шестов Д.Н
Задание1:
1)В среде GoogleColab создать новый блокнот(notebook). Импортировать необходимые для работы библиотеки и модули.
from google.colab import drive
drive.mount('/content/drive')
import os
os.chdir('/content/drive/MyDrive/Colab Notebooks/IS_LR3')
from tensorflow import keras
from tensorflow.keras import layers
from tensorflow.keras.models import Sequential
import matplotlib.pyplot as plt
import numpy as np
from sklearn.metrics import classification_report, confusion_matrix
from sklearn.metrics import ConfusionMatrixDisplay
2)Загрузить набор данных MNIST, содержащий размеченные изображения рукописных цифр.
from keras.datasets import mnist
(X_train, y_train), (X_test, y_test) = mnist.load_data()
3)Разбить набор данных на обучающие и тестовые данные в соотношении 60000:10000 элементов. При разбиении параметр random_state выбрать равным (4k–1), где k–номер бригады. Вывести размерности полученных обучающих и тестовых массивов данных.
from sklearn.model_selection import train_test_split
# объединяем в один набор
X = np.concatenate((X_train, X_test))
y = np.concatenate((y_train, y_test))
# разбиваем по вариантам
X_train, X_test, y_train, y_test = train_test_split(X, y,
test_size = 10000,
train_size = 60000,
random_state = 123)
# вывод размерностей
print('Shape of X train:', X_train.shape)
print('Shape of y train:', y_train.shape)
print('Shape of X test:', X_test.shape)
print('Shape of y test:', y_test.shape)
4)Провести предобработку данных: привести обучающие и тестовые данные к формату, пригодному для обучения сверточной нейронной сети. Входные данные должны принимать значения от 0 до 1, метки цифр должны быть закодированы по принципу «one-hotencoding». Вывести размерности предобработанных обучающих и тестовых массивов данных.
# Зададим параметры данных и модели
num_classes = 10
input_shape = (28, 28, 1)
# Приведение входных данных к диапазону [0, 1]
X_train = X_train / 255
X_test = X_test / 255
# Расширяем размерность входных данных, чтобы каждое изображение имело
# размерность (высота, ширина, количество каналов)
X_train = np.expand_dims(X_train, -1)
X_test = np.expand_dims(X_test, -1)
print('Shape of transformed X train:', X_train.shape)
print('Shape of transformed X test:', X_test.shape)
# переведем метки в one-hot
y_train = keras.utils.to_categorical(y_train, num_classes)
y_test = keras.utils.to_categorical(y_test, num_classes)
print('Shape of transformed y train:', y_train.shape)
print('Shape of transformed y test:', y_test.shape)
5)Реализовать модель сверточной нейронной сети и обучить ее на обучающих данных с выделением части обучающих данных в качестве валидационных. Вывести информацию об архитектуре нейронной сети.
# создаем модель
model = Sequential()
model.add(layers.Conv2D(32, kernel_size=(3, 3), activation="relu", input_shape=input_shape))
model.add(layers.MaxPooling2D(pool_size=(2, 2)))
model.add(layers.Conv2D(64, kernel_size=(3, 3), activation="relu"))
model.add(layers.MaxPooling2D(pool_size=(2, 2)))
model.add(layers.Dropout(0.5))
model.add(layers.Flatten())
model.add(layers.Dense(num_classes, activation="softmax"))
model.summary()
# компилируем и обучаем модель
batch_size = 512
epochs = 15
model.compile(loss="categorical_crossentropy", optimizer="adam", metrics=["accuracy"])
model.fit(X_train, y_train, batch_size=batch_size, epochs=epochs, validation_split=0.1)
6)Оценить качество обучения на тестовых данных. Вывести значение функции ошибки и значение метрики качества классификации на тестовых данных.
# Оценка качества работы модели на тестовых данных
scores = model.evaluate(X_test, y_test)
print('Loss on test data:', scores[0])
print('Accuracy on test data:', scores[1])
7)Подать на вход обученной модели два тестовых изображения. Вывести изображения, истинные метки и результаты распознавания.
# вывод тестового изображения и результата распознавания
n = 123
result = model.predict(X_test[n:n+1])
print('NN output:', result)
plt.show()
plt.imshow(X_test[n].reshape(28,28), cmap=plt.get_cmap('gray'))
print('Real mark: ', np.argmax(y_test[n]))
print('NN answer: ', np.argmax(result))
8)Вывести отчет о качестве классификации тестовой выборки и матрицу ошибок для тестовой выборки.
# истинные метки классов
true_labels = np.argmax(y_test, axis=1)
# предсказанные метки классов
predicted_labels = np.argmax(model.predict(X_test), axis=1)
# отчет о качестве классификации
print(classification_report(true_labels, predicted_labels))
# вычисление матрицы ошибок
conf_matrix = confusion_matrix(true_labels, predicted_labels)
# отрисовка матрицы ошибок в виде "тепловой карты"
display = ConfusionMatrixDisplay(confusion_matrix=conf_matrix)
display.plot()
plt.show()
9)Загрузить, предобработать и подать на вход обученной нейронной сети собственное изображение, созданное при выполнении лабораторной работы No1. Вывести изображение и результат распознавания.
# загрузка собственного изображения
from PIL import Image
file_data = Image.open('test.png')
file_data = file_data.convert('L') # перевод в градации серого
test_img = np.array(file_data)
# вывод собственного изображения
plt.imshow(test_img, cmap=plt.get_cmap('gray'))
plt.show()
# предобработка
test_img = test_img / 255
test_img = np.reshape(test_img, (1,28,28,1))
# распознавание
result = model.predict(test_img)
print('I think it\'s ', np.argmax(result))
10)Сравнить обученную модель сверточной сети и наилучшую модель полносвязной сети из лабораторной работы No1
· Количество параметров в CNN значительно меньше, чем в полносвязной сети, благодаря использованию сверток.
· CNN потребовала меньше эпох для достижения высокой точности.
· Качество классификации на тестовой выборке у CNN выше (99% против ~98% у полносвязной сети).
Итоговый вывод: Сверточные нейронные сети показали высокую эффективность для задачи распознавания изображений благодаря способности выделять пространственные признаки, устойчивости к сдвигам и искажениям, а также меньшему количеству обучаемых параметров по сравнению с полносвязными сетями.
Задание2
**В новом блокноте выполнить п. 1–8 задания 1, изменив набор данных MNIST на CIFAR-10, содержащий размеченные цветные изображения объектов, разделенные на 10 классов. **
# Пункт 1-2: Импорт библиотек и загрузка данных
from keras.datasets import cifar10
(X_train, y_train), (X_test, y_test) = cifar10.load_data()
При этом: · в п.3 разбиение данных на обучающие и тестовые произвести в соотношении 50 000:10 000.
# Пункт 3: Разбиение данных
print("Размерности данных:")
print(f"X_train: {X_train.shape}")
print(f"y_train: {y_train.shape}")
print(f"X_test: {X_test.shape}")
print(f"y_test: {y_test.shape}")
# Визуализация 25 изображений
class_names = ['airplane', 'automobile', 'bird', 'cat', 'deer',
'dog', 'frog', 'horse', 'ship', 'truck']
plt.figure(figsize=(10,10))
for i in range(25):
plt.subplot(5,5,i+1)
plt.xticks([])
plt.yticks([])
plt.grid(False)
plt.imshow(X_train[i])
plt.xlabel(class_names[y_train[i][0]])
plt.show()
·после разбиения данных (между п. 3 и 4) вывести 25 изображений из обучающей выборки с подписями классов
# Пункт 4: Предобработка данных
num_classes = 10
input_shape = (32, 32, 3)
# Нормализация
X_train = X_train.astype('float32') / 255
X_test = X_test.astype('float32') / 255
# One-hot encoding
y_train_categorical = keras.utils.to_categorical(y_train, num_classes)
y_test_categorical = keras.utils.to_categorical(y_test, num_classes)
# Пункт 5: Создание и обучение модели
model = Sequential()
model.add(layers.Conv2D(32, kernel_size=(3, 3), activation="relu", input_shape=input_shape))
model.add(layers.Conv2D(32, kernel_size=(3, 3), activation="relu"))
model.add(layers.MaxPooling2D(pool_size=(2, 2)))
model.add(layers.Dropout(0.25))
model.add(layers.Conv2D(64, kernel_size=(3, 3), activation="relu"))
model.add(layers.Conv2D(64, kernel_size=(3, 3), activation="relu"))
model.add(layers.MaxPooling2D(pool_size=(2, 2)))
model.add(layers.Dropout(0.25))
model.add(layers.Conv2D(128, kernel_size=(3, 3), activation="relu"))
model.add(layers.MaxPooling2D(pool_size=(2, 2)))
model.add(layers.Dropout(0.25))
model.add(layers.Flatten())
model.add(layers.Dense(512, activation='relu'))
model.add(layers.Dropout(0.5))
model.add(layers.Dense(256, activation='relu'))
model.add(layers.Dropout(0.5))
model.add(layers.Dense(num_classes, activation="softmax"))
model.summary()
# Компиляция и обучение модели с более медленным learning rate
model.compile(loss="categorical_crossentropy",
optimizer=keras.optimizers.Adam(learning_rate=0.0005),
metrics=["accuracy"])
batch_size = 64
epochs = 40
history = model.fit(X_train, y_train_categorical,
batch_size=batch_size,
epochs=epochs,
validation_split=0.1,
verbose=1)
# Визуализация процесса обучения
plt.figure(figsize=(12, 4))
plt.subplot(1, 2, 1)
plt.plot(history.history['accuracy'], label='Training Accuracy')
plt.plot(history.history['val_accuracy'], label='Validation Accuracy')
plt.title('Model Accuracy')
plt.xlabel('Epoch')
plt.ylabel('Accuracy')
plt.legend()
plt.subplot(1, 2, 2)
plt.plot(history.history['loss'], label='Training Loss')
plt.plot(history.history['val_loss'], label='Validation Loss')
plt.title('Model Loss')
plt.xlabel('Epoch')
plt.ylabel('Loss')
plt.legend()
plt.tight_layout()
plt.show()
# Пункт 6: Оценка качества
test_loss, test_accuracy = model.evaluate(X_test, y_test_categorical, verbose=0)
print(f"Test loss: {test_loss:.4f}")
print(f"Test accuracy: {test_accuracy:.4f}")
· в п. 7 одно из тестовых изображений должно распознаваться корректно, а другое – ошибочно
# Пункт 7: Распознавание двух тестовых изображений
print("РАСПОЗНАВАНИЕ ТЕСТОВЫХ ИЗОБРАЖЕНИЙ:")
# Функция для распознавания одного изображения из тестовой выборки
def predict_single_image(model, X, y, index, class_names):
prediction = model.predict(X[index:index+1])
predicted_class = np.argmax(prediction[0])
true_class = y[index][0]
plt.figure(figsize=(8, 4))
plt.subplot(1, 2, 1)
plt.imshow(X[index])
plt.title(f'Истинный класс: {class_names[true_class]}')
plt.axis('off')
plt.subplot(1, 2, 2)
bars = plt.bar(range(10), prediction[0])
# Подсветим предсказанный класс
bars[predicted_class].set_color('red')
plt.xticks(range(10), class_names, rotation=45)
plt.title(f'Предсказанный класс: {class_names[predicted_class]}')
plt.ylabel('Вероятность')
plt.tight_layout()
plt.show()
print(f"Истинный класс: {class_names[true_class]}")
print(f"Предсказанный класс: {class_names[predicted_class]}")
print(f"Уверенность: {np.max(prediction[0]):.4f}")
print(f"Результат: {'Правильно' if predicted_class == true_class else 'Ошибка'}")
print("-" * 50)
return predicted_class == true_class
# Найдем одно правильное и одно неправильное предсказание
print("Поиск правильного и неправильного предсказания...")
all_predictions = model.predict(X_test)
all_predicted_classes = np.argmax(all_predictions, axis=1)
true_classes = y_test.flatten()
correct_indices = []
wrong_indices = []
for i in range(len(true_classes)):
if all_predicted_classes[i] == true_classes[i]:
correct_indices.append(i)
else:
wrong_indices.append(i)
if len(correct_indices) > 0 and len(wrong_indices) > 0:
break
if correct_indices:
print("ПРАВИЛЬНО РАСПОЗНАННОЕ ИЗОБРАЖЕНИЕ:")
predict_single_image(model, X_test, y_test, correct_indices[0], class_names)
if wrong_indices:
print("ОШИБОЧНО РАСПОЗНАННОЕ ИЗОБРАЖЕНИЕ:")
predict_single_image(model, X_test, y_test, wrong_indices[0], class_names)
# Пункт 8: Отчет о качестве классификации и матрица ошибок
print("ОТЧЕТ О КАЧЕСТВЕ КЛАССИФИКАЦИИ:")
true_labels = np.argmax(y_test_categorical, axis=1)
predicted_labels = np.argmax(model.predict(X_test), axis=1)
print(classification_report(true_labels, predicted_labels, target_names=class_names))
print("МАТРИЦА ОШИБОК:")
conf_matrix = confusion_matrix(true_labels, predicted_labels)
display = ConfusionMatrixDisplay(confusion_matrix=conf_matrix, display_labels=class_names)
display.plot(cmap=plt.cm.Blues, xticks_rotation=45)
plt.title('Матрица ошибок - CIFAR-10')
plt.tight_layout()
plt.show()
Итоговый вывод: CNN способна решать задачи классификации цветных изображений, однако её точность снижается при увеличении сложности данных. Для улучшения результатов требуются более глубокие архитектуры, аугментация данных и тонкая настройка гиперпараметров.
Общий вывод по лр 3: Сверточные нейронные сети являются мощным инструментом для задач компьютерного зрения. CNN эффективно обрабатывают пространственные иерархии признаков, что делает их предпочтительными для работы с изображениями по сравнению с полносвязными сетями. Качество классификации зависит от сложности данных, архитектуры сети и корректности предобработки. Использование методов регуляризации (Dropout) и аугментации данных может улучшить обобщающую способность модели. Интерпретация матрицы ошибок и метрик качества позволяет анализировать слабые места модели и направлять её доработку.