fashion mnist的一个baseline (MobileNet 95%)

浅尝 #

昨天简单试了一下在fashion mnist的gan模型，发现还能work，当然那个尝试也没什么技术水平，就是把原来的脚本改一下路径跑了就完事。今天回到fashion mnist本身的主要任务——10分类，用Keras测了一下一些模型在上面的分类效果，最后得到了94.5%左右的准确率，加上随机翻转的数据扩增能做到95%。

首先随便手写了一些模型的组合，测试发现准确率都不大好，看来对于这个数据集来说，自己构思模型是比较困难的了，于是想着用现成的模型结构。一说到现成的cnn模型，基本上我们都会想到VGG、ResNet、inception、Xception等，但这些模型为解决imagenet的1000分类问题而设计，用到这个入门级别的数据集上似乎过于庞大了，而且也容易过拟合。后来突然想起，Keras好像自带了个叫MobileNet的模型，查看了一下模型权重，发现参数量不大，但是容量应该还是可以的，故选用MobileNet做实验。

深究 #

对于MobileNet就不多做介绍了，网上有不少文章讲解。简单来讲，它跟Xception的思想是一样的，在把大部分的卷积换成了depthwise卷积，而这个depthwise卷积有点类似矩阵的SVD分解，它把本来很大的卷积核矩阵分解为两个小矩阵，最后参数变少了，效果还更好了。更新的类似的工作还有ShuffleNet，不过目前还没有Keras版，作罢～

实验很简单，加载MobileNet模型，默认加载imagenet的预训练权重（不见得imagenet的权重会对这个数据集有啥帮助，但这确实有助于加快收敛并提高精度，看来不少视觉特征都是通用型的），然后接一个10分类器进行分类，放开所有权重进行训练。要注意的是：

1、MobileNet的原始设计是224*224的输入，而fashion mnist的图像只有28*28，差别比较大。虽然说直接输入也不会报错，这里还是把图像放大了两倍，变成了56*56，以免丢失细节信息，当然可以放得更大，但效果没有明显提升，浪费计算量；

2、MobileNet必须要三通道图像输入，为了迎合这一点，把图像复制三次即可。

整个代码如下：

import numpy as np
import mnist_reader
from tqdm import tqdm
from scipy import misc
import tensorflow as tf

np.random.seed(2017)
tf.set_random_seed(2017)

X_train, y_train = mnist_reader.load_mnist('../data/fashion', kind='train')
X_test, y_test = mnist_reader.load_mnist('../data/fashion', kind='t10k')

height,width = 56,56

from keras.applications.mobilenet import MobileNet
from keras.layers import Input,Dense,Dropout,Lambda
from keras.models import Model
from keras import backend as K

input_image = Input(shape=(height,width))
input_image_ = Lambda(lambda x: K.repeat_elements(K.expand_dims(x,3),3,3))(input_image)
base_model = MobileNet(input_tensor=input_image_, include_top=False, pooling='avg')
output = Dropout(0.5)(base_model.output)
predict = Dense(10, activation='softmax')(output)

model = Model(inputs=input_image, outputs=predict)
model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])
model.summary()

X_train = X_train.reshape((-1,28,28))
X_train = np.array([misc.imresize(x, (height,width)).astype(float) for x in tqdm(iter(X_train))])/255.

X_test = X_test.reshape((-1,28,28))
X_test = np.array([misc.imresize(x, (height,width)).astype(float) for x in tqdm(iter(X_test))])/255.

model.fit(X_train, y_train, batch_size=64, epochs=50, validation_data=(X_test, y_test))

代码很简单很清晰，就不注释了～

经过多次测试，基本上在20个epoch内能达到94.5%以上的准确率（尽管我们设置了random seed，但由于cudnn的存在，依然不能保证重复运行的结果都一样）。后面的epoch不稳定，有过拟合嫌疑。

细抠 #

感觉不做数据扩增的前提下，94.5%以上的准确率应该是可以满意了。再测了一下做数据扩增的，但想了一下，对于这个数据集，似乎没有什么适合的数据扩增手段，唯一想到的就是随机左右翻转了，加上去，看效果：

import numpy as np
import mnist_reader
from tqdm import tqdm
from scipy import misc
import tensorflow as tf

np.random.seed(2017)
tf.set_random_seed(2017)

X_train, y_train = mnist_reader.load_mnist('../data/fashion', kind='train')
X_test, y_test = mnist_reader.load_mnist('../data/fashion', kind='t10k')

height,width = 56,56

from keras.applications.mobilenet import MobileNet
from keras.layers import Input,Dense,Dropout,Lambda
from keras.models import Model
from keras import backend as K

input_image = Input(shape=(height,width))
input_image_ = Lambda(lambda x: K.repeat_elements(K.expand_dims(x,3),3,3))(input_image)
base_model = MobileNet(input_tensor=input_image_, include_top=False, pooling='avg')
output = Dropout(0.5)(base_model.output)
predict = Dense(10, activation='softmax')(output)

model = Model(inputs=input_image, outputs=predict)
model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])
model.summary()

X_train = X_train.reshape((-1,28,28))
X_train = np.array([misc.imresize(x, (height,width)).astype(float) for x in tqdm(iter(X_train))])/255.

X_test = X_test.reshape((-1,28,28))
X_test = np.array([misc.imresize(x, (height,width)).astype(float) for x in tqdm(iter(X_test))])/255.

def random_reverse(x):
	if np.random.random() > 0.5:
		return x[:,::-1]
	else:
		return x

def data_generator(X,Y,batch_size=100):
	while True:
		idxs = np.random.permutation(len(X))
		X = X[idxs]
		Y = Y[idxs]
		p,q = [],[]
		for i in range(len(X)):
			p.append(random_reverse(X[i]))
			q.append(Y[i])
			if len(p) == batch_size:
				yield np.array(p),np.array(q)
				p,q = [],[]
		if p:
			yield np.array(p),np.array(q)
			p,q = [],[]		

model.fit_generator(data_generator(X_train,y_train), steps_per_epoch=600, epochs=50, validation_data=data_generator(X_test,y_test), validation_steps=100)

果然，数据扩增还是有一定帮助的，我跑了两次，一次有95.04%，一次是94.91%，也就是说50个epoch内可以达到了95%左右的准确率。要注意不是所有数据扩增都能提升，我尝试多加了random mask，发现效果还下降了。所以说数据扩增必须适应数据集，尤其是适应测试集，说白了，我觉得虽然数据扩增是对训练集做的，但其本质就是引入测试集的先验知识。

道远 #

看来fashion mnist还真的挺有难度，不像mnist随便写单个Dense层就可以得到90%多的准确率，因此用它来作为CNN算法基准确实有相当的代表性了。mnist的测试准确率普遍可以达到99%以上了，而就目前我所能浏览到的数据来看，在fashion mnist上最多也只有96%左右（还是没公开源代码的），离99%还有很大距离，看来哪怕是对于这个数据集，还是任重而道远呀。

不知道哪个模型能率先到达99%的准确率呢～

转载到请包括本文地址：https://spaces.ac.cn/archives/4556

更详细的转载事宜请参考：《科学空间FAQ》

打赏

微信打赏

支付宝打赏

因为网站后台对打赏并无记录，因此欢迎在打赏时候备注留言。
你还可以点击这里或在下方评论区留言来告知你的建议或需求。