我需要Keras VGG16的预训练重量吗？

Question

作为背景,我对机器学习的世界相对较新,我正在尝试一个目标是在NBA游戏中对游戏进行分类的项目.我输入的是NBA比赛中每场比赛的40帧序列,我的标签是给定比赛的11个无所不包的分类.

计划是采用每个帧序列并将每个帧传递到CNN以提取一组特征.然后,来自给定视频的每个特征序列将被传递到RNN.

我目前正在使用Keras进行大部分实施,我选择在我的CNN上使用VGG16模型.以下是一些相关代码:

video = keras.Input(shape = (None, 255, 255, 3), name = 'video')
cnn = keras.applications.VGG16(include_top=False, weights = None, input_shape=
(255,255,3), pooling = 'avg', classes=11)
cnn.trainable = True

我的问题是 - 如果我的目标是对NBA比赛的视频片段进行分类,那么将VGG16 ConvNet的权重初始化为'imagenet'对我来说仍然有益吗？如果是这样,为什么？如果没有,我如何训练VGG16 ConvNet获取我自己的权重集,然后如何将它们插入到此函数中？在使用VGG16模型时,我没有找到任何有人使用自己的权重集的教程.

如果我的问题看起来很幼稚,我会道歉但我真的很感激任何有助于清理它的人.

Answer 1

您是否应该为特定任务重新训练VGG16？绝对不!重新训练如此庞大的网络很难,并且需要很多直觉和知识来培训深层网络.让我们分析为什么你可以使用在ImageNet上预训练的权重来完成你的任务:

• ImageNet是一个庞大的数据集,包含数百万个图像.VGG16本身已在3-4天左右的强大GPU上接受过培训.在CPU上(假设您没有像NVIDIA GeForce Titan X那样强大的GPU)需要数周时间.

• ImageNet包含来自真实场景的图像.NBA比赛也可以被视为现实世界的场景.因此,ImageNet功能的预训练很可能也可用于NBA比赛.

实际上,您不需要使用预先训练过的VGG16的所有卷积层.让我们看一下内部VGG16层的可视化,看看它们检测到了什么(取自本文 ;图像太大,所以我只提供了一个紧凑的链接):

• 第一和第二卷积块查看低级特征,例如角,边等.
• 第三和第四个卷积块查看曲面特征,曲线,圆等.
• 第五层着眼于高级功能

因此,您可以决定哪种功能对您的特定任务有益.在第5街区你需要高水平的功能吗？或者您可能想要使用第3块的中级功能？也许你想在VGG底层叠加另一个神经网络？有关更多说明,请查看我编写的以下教程; 它曾经是SO文档.

使用VGG和Keras进行传输学习和微调

在这个例子中,提出了三个简短而全面的子示例:

• 从可用的预训练模型加载重量,包括Keras库
• 在VGG的任何层之上堆叠另一个网络进行培训
• 在其他图层的中间插入图层
• 使用VGG进行微调和转移学习的提示和一般经验法则

加载预先训练的重量

预先训练上ImageNet车型,其中包括VGG-16和VGG-19中,都可以 Keras.在此示例中,此处和之后将使用VGG-16.有关更多信息,请访问Keras Applications文档.

from keras import applications

# This will load the whole VGG16 network, including the top Dense layers.
# Note: by specifying the shape of top layers, input tensor shape is forced
# to be (224, 224, 3), therefore you can use it only on 224x224 images.
vgg_model = applications.VGG16(weights='imagenet', include_top=True)

# If you are only interested in convolution filters. Note that by not
# specifying the shape of top layers, the input tensor shape is (None, None, 3),
# so you can use them for any size of images.
vgg_model = applications.VGG16(weights='imagenet', include_top=False)

# If you want to specify input tensor
from keras.layers import Input
input_tensor = Input(shape=(160, 160, 3))
vgg_model = applications.VGG16(weights='imagenet',
                               include_top=False,
                               input_tensor=input_tensor)

# To see the models' architecture and layer names, run the following
vgg_model.summary()

使用从VGG获取的底层创建新网络

假设对于具有该尺寸的图像的某些特定任务(160, 160, 3),您希望使用预先训练的VGG底层,直到具有名称的图层block2_pool.

vgg_model = applications.VGG16(weights='imagenet',
                               include_top=False,
                               input_shape=(160, 160, 3))

# Creating dictionary that maps layer names to the layers
layer_dict = dict([(layer.name, layer) for layer in vgg_model.layers])

# Getting output tensor of the last VGG layer that we want to include
x = layer_dict['block2_pool'].output

# Stacking a new simple convolutional network on top of it    
x = Conv2D(filters=64, kernel_size=(3, 3), activation='relu')(x)
x = MaxPooling2D(pool_size=(2, 2))(x)
x = Flatten()(x)
x = Dense(256, activation='relu')(x)
x = Dropout(0.5)(x)
x = Dense(10, activation='softmax')(x)

# Creating new model. Please note that this is NOT a Sequential() model.
from keras.models import Model
custom_model = Model(input=vgg_model.input, output=x)

# Make sure that the pre-trained bottom layers are not trainable
for layer in custom_model.layers[:7]:
    layer.trainable = False

# Do not forget to compile it
custom_model.compile(loss='categorical_crossentropy',
                     optimizer='rmsprop',
                     metrics=['accuracy'])

删除多个图层并在中间插入一个新图层

假设你需要通过更换加快VGG16 block1_conv1并block2_conv2用一个单一的卷积层,以这样的方式,预训练的权重将被保存.我们的想法是将整个网络拆分为单独的层,然后再组装.以下是专门针对您的任务的代码:

vgg_model = applications.VGG16(include_top=True, weights='imagenet')

# Disassemble layers
layers = [l for l in vgg_model.layers]

# Defining new convolutional layer.
# Important: the number of filters should be the same!
# Note: the receiptive field of two 3x3 convolutions is 5x5.
new_conv = Conv2D(filters=64, 
                  kernel_size=(5, 5),
                  name='new_conv',
                  padding='same')(layers[0].output)

# Now stack everything back
# Note: If you are going to fine tune the model, do not forget to
#       mark other layers as un-trainable
x = new_conv
for i in range(3, len(layers)):
    layers[i].trainable = False
    x = layers[i](x)

# Final touch
result_model = Model(input=layer[0].input, output=x)