本文详细解析了基于CIFAR100数据集的VGG网络结构，包括其特点、源码解读、特征构建过程及分类器设计。重点介绍了VGG网络如何通过卷积层、池化操作和全连接层进行特征提取和分类预测。
码字不易，点赞收藏
1 数据集概况
1.1 CIFAR100
cifar100包含20个大类，共100类，train集50000张图片，test集10000张图片。
CIFAR100下载地址：http://www.cs.toronto.edu/~kriz/cifar.html
1.2 showdata.py查看数据
import cv2
import numpy as np
import pickle
import os
# 解压缩，返回解压后的字典
def unpickle(file):
fo = open(file, 'rb')
dict = pickle.load(fo, encoding='latin1')
fo.close()
return dict
def cifar100_to_images():
tar_dir = './data/cifar-100-python/' # 原始数据库目录
train_root_dir = './data/cifar100/train/' # 图片保存目录
test_root_dir = './data/cifar100/test/'
if not os.path.exists(train_root_dir):
os.makedirs(train_root_dir)
if not os.path.exists(test_root_dir):
os.makedirs(test_root_dir)
# 获取label对应的class，分为20个coarse class，共100个 fine class
meta_Name = tar_dir + "meta"
Meta_dic = unpickle(meta_Name)
coarse_label_names = Meta_dic['coarse_label_names']
fine_label_names = Meta_dic['fine_label_names']
print(fine_label_names)
# 生成训练集图片，如果需要png格式，只需要改图片后缀名即可。
dataName = tar_dir + "train"
Xtr = unpickle(dataName)
print(dataName + " is loading...")
for i in range(0, Xtr['data'].shape[0]):
image = np.reshape(Xtr['data'][i], (-1,1024)) # Xtr['data']为图片二进制数据
r = image[0, :].reshape(32, 32) # 红色分量
g = image[1, :].reshape(32, 32) # 绿色分量
b = image[2, :].reshape(32, 32) # 蓝色分量
img = np.zeros((32, 32, 3))
# RGB还原成彩色图像
img[:, :, 0] = r
img[:, :, 1] = g
img[:, :, 2] = b
###img_name:fine_label+coarse_label+fine_class+coarse_class+index
picName = train_root_dir + str(Xtr['fine_labels'][i]) + '_' + str(Xtr['coarse_labels'][i]) + '_&' + \
fine_label_names[Xtr['fine_labels'][i]] + '&_' + coarse_label_names[
Xtr['coarse_labels'][i]] + '_' + str(i) + '.jpg'
cv2.imwrite(picName, img)
print(dataName + " loaded.")
print("test_batch is loading...")
# 生成测试集图片
testXtr = unpickle(tar_dir + "test")
for i in range(0, testXtr['data'].shape[0]):
img = np.reshape(testXtr['data'][i], (3, 32, 32))
img = img.transpose(1, 2, 0)
picName = test_root_dir + str(testXtr['fine_labels'][i]) + '_' + str(testXtr['coarse_labels'][i]) + '_&' + \
fine_label_names[testXtr['fine_labels'][i]] + '&_' + coarse_label_names[
testXtr['coarse_labels'][i]] + '_' + str(i) + '.jpg'
cv2.imwrite(picName, img)
print("test_batch loaded.")
if __name__ == '__main__':
cifar100_to_images()
2 VGG网络结构
2.1 网络结构总览
在VGG的网络中，卷积核尺寸都是3x3（padding=1），即卷积操作不会使得特征图的尺寸改变
使得特征图尺寸发生改变的只有池化操作（特征图尺寸由（H，W）变为（H/2，W/2））
搞清楚以上两点后，VGG网络就十分清晰易懂。例如下图VGG16的网络结构，输入图片的尺寸为224x224x3，VGG16中包含5个池化操作，故特征图进行扁平化之前的尺寸应该是7（224/32）；
至于通道的变化就更简单了，只有卷积操作会带来通道的改变，而卷积操作中的通道改变则是通过不同的卷积核组来实现的
2.2 VGG网络结构源码
class VGG(nn.Module):
def __init__(self, features, num_class=100):
super().__init__()
self.features = features
self.classifier = nn.Sequential(
nn.Linear(512, 4096),
nn.ReLU(inplace=True),
nn.Dropout(),
nn.Linear(4096, 4096),
nn.ReLU(inplace=True),
nn.Dropout(),
nn.Linear(4096, num_class)
)
def forward(self, x):
output = self.features(x)
output = output.view(output.size()[0], -1)
output = self.classifier(output)
return output
基于CIFAR100的VGG网络结构定义得很简洁，可以说是一目了然了。
对于网络结构定义，从forward函数可以看出主要包括两部分：features和classifier
features：卷积层+池化层，只涉及对网络尺寸、网络通道的改变，即VGG中全连接层之前的所有操作
classifier：全连接+分类，把从features中得到的特征图扁平化后，经过3层全连接后将类别映射到100进行分类预测
2.3 VGG中的Features构建过程
cfg = {
'A' : [64, 'M', 128, 'M', 256, 256, 'M', 512, 512, 'M', 512, 512, 'M'],# vgg11
'B' : [64, 64, 'M', 128, 128, 'M', 256, 256, 'M', 512, 512, 'M', 512, 512, 'M'],# vgg13
'D' : [64, 64, 'M', 128, 128, 'M', 256, 256, 256, 'M', 512, 512, 512, 'M', 512, 512, 512, 'M'],# vgg16
'E' : [64, 64, 'M', 128, 128, 'M', 256, 256, 256, 256, 'M', 512, 512, 512, 512, 'M', 512, 512, 512, 512, 'M'] # vgg19
}
def make_layers(cfg, batch_norm=False):
layers = []
input_channel = 3
for l in cfg:
if l == 'M':
layers += [nn.MaxPool2d(kernel_size=2, stride=2)]
continue
layers += [nn