074. 编写一个函数，实现简单的图像识别功能

在 Python 中，可以使用深度学习库（如 TensorFlow 或 PyTorch）来实现简单的图像识别功能。以下我们将使用 TensorFlow 和 Keras 来实现一个简单的图像识别模型，以识别手写数字（MNIST 数据集）为例。

安装依赖库

在开始之前，请确保你已经安装了 tensorflow 库。如果没有安装，可以通过以下命令安装：

pip install tensorflow

示例代码

import tensorflow as tf
from tensorflow.keras import layers, models
from tensorflow.keras.datasets import mnist
from tensorflow.keras.utils import to_categorical

def simple_image_recognition():
    # 加载 MNIST 数据集
    (train_images, train_labels), (test_images, test_labels) = mnist.load_data()

    # 数据预处理
    train_images = train_images.reshape((60000, 28, 28, 1)).astype('float32') / 255
    test_images = test_images.reshape((10000, 28, 28, 1)).astype('float32') / 255

    train_labels = to_categorical(train_labels)
    test_labels = to_categorical(test_labels)

    # 构建简单的卷积神经网络模型
    model = models.Sequential()
    model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)))
    model.add(layers.MaxPooling2D((2, 2)))
    model.add(layers.Conv2D(64, (3, 3), activation='relu'))
    model.add(layers.MaxPooling2D((2, 2)))
    model.add(layers.Conv2D(64, (3, 3), activation='relu'))

    # 添加全连接层
    model.add(layers.Flatten())
    model.add(layers.Dense(64, activation='relu'))
    model.add(layers.Dense(10, activation='softmax'))

    # 编译模型
    model.compile(optimizer='adam',
                  loss='categorical_crossentropy',
                  metrics=['accuracy'])

    # 训练模型
    model.fit(train_images, train_labels, epochs=5, batch_size=64)

    # 评估模型
    test_loss, test_acc = model.evaluate(test_images, test_labels)
    print(f"测试集准确率: {test_acc:.4f}")

    return model

# 示例用法
if __name__ == "__main__":
    model = simple_image_recognition()

代码说明

数据加载与预处理：

  • 使用 mnist.load_data() 加载 MNIST 数据集。

  • 将图像数据重塑为 (28, 28, 1) 的形状，并归一化到 [0, 1]。

  • 将标签转换为 one-hot 编码。

模型构建：

  • 使用 Sequential 构建模型。

  • 添加卷积层（Conv2D）和最大池化层（MaxPooling2D）。

  • 添加全连接层（Dense）和输出层（使用 softmax 激活函数）。

模型编译：

  • 使用 adam 优化器和 categorical_crossentropy 损失函数。

模型训练与评估：

  • 使用 fit 方法训练模型。

  • 使用 evaluate 方法评估模型性能。

示例输出

Epoch 1/5
938/938 [==============================] - 10s 10ms/step - loss: 0.2538 - accuracy: 0.9248
Epoch 2/5
938/938 [==============================] - 9s 10ms/step - loss: 0.0987 - accuracy: 0.9678
Epoch 3/5
938/938 [==============================] - 9s 10ms/step - loss: 0.0675 - accuracy: 0.9789
Epoch 4/5
938/938 [==============================] - 9s 10ms/step - loss: 0.0567 - accuracy: 0.9823
Epoch 5/5
938/938 [==============================] - 9s 10ms/step - loss: 0.0489 - accuracy: 0.9856
313/313 [==============================] - 2s 6ms/step - loss: 0.0789 - accuracy: 0.9824
测试集准确率: 0.9824

扩展功能

如果你需要更复杂的图像识别功能，可以考虑以下内容：

数据增强：

from tensorflow.keras.preprocessing.image import ImageDataGenerator

datagen = ImageDataGenerator(
    rotation_range=10,
    width_shift_range=0.1,
    height_shift_range=0.1,
    shear_range=0.1,
    zoom_range=0.1,
    horizontal_flip=True,
    fill_mode='nearest'
)
datagen.fit(train_images)

预训练模型：使用预训练的模型（如 VGG16、ResNet 等）进行迁移学习。

from tensorflow.keras.applications import VGG16

base_model = VGG16(weights='imagenet', include_top=False, input_shape=(224, 224, 3))

多分类问题：如果需要处理多分类问题，可以调整输出层的神经元数量和激活函数。

模型保存与加载：

model.save('my_model.h5')
from tensorflow.keras.models import load_model
loaded_model = load_model('my_model.h5')

视频讲解

BiliBili： 视睿网络-哔哩哔哩视频 (bilibili.com)