Skip to content

Latest commit

 

History

History
258 lines (186 loc) · 8.32 KB

homework1-中文.md

File metadata and controls

258 lines (186 loc) · 8.32 KB

作业 №1

任务

需要创建并标注一个包含图像的数据集。该数据集应包含不少于3个类别，每个类别不少于100个样本。图像可以从互联网上下载或结合多个现有数据集。创建一个用于对该数据集进行图像分类的Web应用程序。使用数据增强、正则化和迁移学习。

问题小测

  1. 数据集的结构和数据增强。
  2. 迁移学习和微调。
  3. 卷积神经网络的架构。

第1部分. 在Google Colab中训练模型并保存

图像下载

  • 方案 1. 需要在某个搜索引擎中查找所需类别的图片，然后手动下载到3个不同的文件夹中。
  • 方案 2. 需要安装Chrome浏览器的扩展程序：Image downloader - Imageye 或 Image Downloader. 安装后，在某个搜索引擎中查找图像，然后使用之前下载的扩展程序下载图片。 image

第一步

在任意搜索引擎中搜索感兴趣的图片主题。

第二步

打开先前安装的扩展程序。

第三步

选择图像类型为JPG。

第四步

选择所有图片并下载。

  • 选项 3. 需要安装Python库：yandex-images-download (GitHub). 安装库后，需要下载适合您版本的Google Chrome的 ChromeDriver ChromeDriver，并解压文件 chromedriver.exe. 在PyCharm的命令行中输入以下命令： yandex-images-download Chrome --keywords "Торт, Ласточка, Кошка" --limit 100 (另一种命令示例： yandex-images-download Chrome --keywords "ласточка, орёл, торты" -o путь_для_скачивания -l количество фотографий -dp путь_к_chromedriver.exe).

图像验证

成功下载图像后，需要手动清理多余的对象，以排除可能的错误（重复、错误图像）。

将图像导入到Google Colab

第一步

需要点击链接进入预先准备的项目ipynb 并将其副本保存到您的Google云端硬盘。

第二步

在Colab文件系统中的“content”文件夹里，根据您图像类别的主题创建三个文件夹（例如：“蛋糕”、“燕子”、“猫”），并将之前下载的图像上传到这些文件夹中。 image

在Colab中打开文件系统（将自动打开“content”文件夹）。右键单击空白区域，并根据类别主题创建文件夹。

第三步

将类别变量修改为您自己的类别。

在Colab中优化原始模型

需要进行数据增强、正则化和迁移学习，并将模型保存为ONNX格式。

第2部分.图像分类Web应用程序

安装IDE VS Code

为完成作业需要安装 VS Code.

创建用于分类获得的数据集图像的Web应用程序

第一步

在VS Code中创建Django项目的示例可以通过此链接ссылке查看。

第二步

创建项目后，需要在项目根目录中创建一个名为media的文件夹，以便后续保存图像和ONNX格式文件。在media文件夹内创建“images”和“models”文件夹。

image

第三步

在settings.py文件中添加到先前创建的media文件夹的路径。在文件末尾添加以下代码块：

import os

MEDIA_URL = '/media/'
MEDIA_ROOT = os.path.join(os.path.dirname(os.path.dirname(os.path.abspath(__file__))), 'media')

为了让Django知道在哪里查找我们的网页模板，请检查文件settings.py。在变量TEMPLATES中的DIRS字段中指定您的网页模板路径。

TEMPLATES = [
    {
        # ...
        "DIRS": [BASE_DIR / "DZ1/templates"],
        # ...
    },
]

第四步

在与settings.py文件相同的文件夹中添加一个名为views.py的Python文件。

image

from django.shortcuts import render
from django.core.files.storage import FileSystemStorage
import onnxruntime
import numpy as np
from PIL import Image

imageClassList = {'0': 'Торт', '1': 'Ласточка', '2': 'Кошка'}  #此处标明类别

def scoreImagePage(request):
    return render(request, 'scorepage.html')

def predictImage(request):
    fileObj = request.FILES['filePath']
    fs = FileSystemStorage()
    filePathName = fs.save('images/'+fileObj.name,fileObj)
    filePathName = fs.url(filePathName)
    modelName = request.POST.get('modelName')
    scorePrediction = predictImageData(modelName, '.'+filePathName)
    context = {'scorePrediction': scorePrediction}
    return render(request, 'scorepage.html', context)

def predictImageData(modelName, filePath):
    img = Image.open(filePath).convert("RGB")
    img = np.asarray(img.resize((32, 32), Image.ANTIALIAS))
    sess = onnxruntime.InferenceSession(r'C:\DZ1\media\models\cifar100.onnx') #<-此处必填указать свой путь к модели
    outputOFModel = np.argmax(sess.run(None, {'input': np.asarray([img]).astype(np.float32)}))
    score = imageClassList[str(outputOFModel)]
    return score
第4.1步

在views.py文件中，根据您的主题修改类别，并指定ONNX模型的路径。

imageClassList = {'0': 'Торт', '1': 'Ласточка', '2': 'Кошка'}  #在此指定类别
sess = onnxruntime.InferenceSession(r'C:\DZ1\media\models\cifar100.onnx') #<-在这里您需要指定模型的路径

第五步

在urls.py文件中，将内容替换为以下代码块：

from django.contrib import admin
from django.urls import path
from django.conf.urls.static import static
from django.conf import settings
from . import views
urlpatterns = [
    path('admin/', admin.site.urls),
    path('', views.scoreImagePage, name='scoreImagePage'),
    path('predictImage', views.predictImage, name='predictImage'),
]

urlpatterns += static(settings.MEDIA_URL, document_root=settings.MEDIA_ROOT)

第六步

安装以下库：onnx, onnxruntime, numpy, pillow。 可以使用以下命令在终端中安装每个库： image

第七步

在templates文件夹中添加一个名为scorepage.html的文件。

<!DOCTYPE html>
<html lang="ru">
<head>
<meta charset="windows-1251">
<title>Домашнее задание 1</title>
<style>
    /* 在文档主体上添加一些填充，以防止内容进入页眉和页脚下方 */
    body{        
        padding-top: 60px;
        padding-bottom: 40px;
    }
    .fixed-header, .fixed-footer{
        width: 100%;
        position: fixed;        
        background: #333;
        padding: 10px 0;
        color: #fff;
    }
    .fixed-header{
        top: 0;
    }
    .fixed-footer{
        bottom: 0;
    }
    .container{
        width: 80%;
        margin: 0 auto; /* 将 DIV 水平居中 */
    }
    nav a{
        color: #fff;
        text-decoration: none;
        padding: 7px 25px;
        display: inline-block;
    }
</style>
</head>
<body>
    <div class="fixed-header">
        <div class="container">

        </div>
    </div>
    <div class="container">
        <form action="predictImage" method="post" enctype="multipart/form-data">
            {% csrf_token %}

            <div class="col-md-4 col-sm-4">
                <label for="FilePath">Загрузить изображение:</label>
            </div> <input name="filePath" type="file"><br><br>
            <input type="submit" value="Submit" >
        </form>
    </div>    
    <div>
        <br>
        {% if scorePrediction %}
        <h3>The classification is : {{scorePrediction}}</h3>
        {% endif %}

    </div>
    <div class="fixed-footer">
        <div class="container"></div>        
    </div>
</body>
</html>

第八步

在PyCharm的终端中运行以下命令以启动项目："python3 manage.py runserver".

第九步

上传图像并点击“submit”按钮.

image