cats vs dogs 猫狗大战主流平台实现

This is the solution of Kaggle cats vs dogs by caffe,tensorflow and keras.

猫狗大战是深度学习应用于计算机视觉的一个典型案例，源于Kaggle比赛，它一共有25000张训练图片(猫和狗各12500张)

现在已经有很多针对各个框架下的实现，但存在以下几个问题:

1.描述简单，未提供完整解决方案及测试结果

2.实现复杂，代码长时间未做更新，以致新版本的库无法使用

3.架构设计不合理，没有可扩展性，需要改动很多代码才能用于新的任务

本项目针对以上这些问题，提供了caffe、tensorflow和keras等主流平台的实现，给出全流程解决方案，可以无缝切换到自己的task。

数据下载和结构安排

下载本项目后新建data子文件夹

git clone https://github.com/imistyrain/cat-vs-dog
mkdir data

然后去Kaggle下载页面下载，解压train.zip到data文件夹，文件结构组织为:

数据清洗

官网下载的数据存在异常数据，大致可分为图中无目标(15张),猫狗都有(15张)，卡通图(6张),难以区分(28张)和标注反了(7张)等几大类.

cd Keras
python filtererrors.py

经过这个过程处理后图片数量由25000张缩减到24936张.

caffe

首先安装caffe，网上已有很多相关教程，数不赘述。

然后生成用于训练和验证的文件名列表，可通过

cd caffe/util
python preprocess.py

完成，代码执行后会在util文件夹下生成train.txt和val.txt，里面包含了用于训练和验证的文件名列表及其对应的标签

开始训练,

sh train.sh

调整需要使用的模型及其对应的参数，一键完成训练.

目前能够达到的精度如下:

Name	Acc. test	finetuned Acc. test.	Train time	Forward pass time	On disk model size	Year	Paper
AlexNet	95.62%	98.26%	35m	3.01 ms	227.5Mb	2012	link
SqeezeNet v1.1	96.20%	99.44%	~2h	3.91 ms	2.9Mb	2016	link
GoogLeNet	94.62%	99.58%	50m	11.73 ms	41.3Mb	2014	link
BN-GoogleNet		99.36%
VGG-16	97.17%	99.40%	5h20m	15.41 ms	537.1Mb	2014	link
VGG-19	97.46%	99.50%	25h50m	19.23 ms	558.3Mb	2014	link
Network-In-Network	93.65%	98.49%	~2h	3.17 ms	26.3Mb	2014	link
ResNet-50	96.10%	99.52%	18h	24.91 ms	94.3Mb	2015	link
ResNet-101	96.39%	99.48%	1d 20h	40.95 ms	170.5Mb	2015	link
MobileNet	97.22%	97.8%
ShuffleNet	93.70	98.70%

训练采用的GPU为1080Ti.

部署参考cpp4caffe项目，这是一个C++工程.

tensorflow

tensorflow使用预训练的VGG19进行微调，精度为96%+

python train_vgg19.py

如果有多块GPU，可以使用

python multigpu_train.py

加速训练

如果配备了Intel的计算棒，可以将其转换为graph格式，然后运行

sh build.sh #编译所必须的程式
sh train.sh #训练和导出模型
sh ncs.sh #转换为计算棒需要的格式
python run_ncs.py #在计算棒上测试

keras

keras需要先把猫和狗的图片分到两个不同的文件夹下，这可以通过train.py中的mklink函数完成.

python train.py #训练模型
python keras2tf.py #转换为tnsorflow格式

经测试所能达到的精度如下:

Model	Size	Accuracy
VGG16	528MB
ResNet50	99MB	99.78%
InceptionV3	92MB
Xception	88MB
InceptionResNetV2	215MB

web by flask

python app.py

打开浏览器，输入网址http://localhost:5000/

点击Choose...选择要识别的文件上传即可，稍等片刻即可得到结果

参考

基于TensorFlow的Cats vs. Dogs（猫狗大战）实现和详解

kaggle-dogs-vs-cats-solution

Cat_or_dog-kaggle-vgg19-tensorflow

keras-cats-dogs-tutorial

利用resnet 做kaggle猫狗大战图像识别，秒上98准确率

keras-cats-dogs-tutorial

Building powerful image classification models using very little data

基于Android和微信小程序端的猫狗图像分类

nistarlwc/cat-vs-dog

cats vs dogs 猫狗大战 主流平台实现