Datawhale CV-Task3 字符识别模型

1. Datawhale 零基础⼊入⻔门CV-Task3 字符识别模型
    1.1 学习⽬目标
    1.2 CNN介绍
    1.3 CNN发展
    1.4  Pytorch构建CNN模型
    1.5 本章⼩小节

赛题：零基础⼊入⻔门CV赛事- 街景字符编码识别

地址:https://tianchi.aliyun.com/competition/entrance/531795/information

在前面的章节，我们讲解了赛题的背景知识和赛题数据的读取。本章开始构建一个字符识别模型，基千对赛题理解   本章将构建一个定长多字符分类模型。

本章将会讲解卷积神经网络（Convolutional Neural Network, CNN)的常见层，并从头搭建一个字符识别模型。

1.学习⽬目标

    1.1.1 学习CNN基础和原理

    1.2.2  使用Pytorch框架构建CNN模型，并完成训练

​​​​​​​1.2 CNN介绍

卷积神经网络（简称CNN)是一类特殊的人工神经网络，是深度学习中重要的一个分支。CNN在很多领域都表现优异，精度和速度比传统计算学习算法高很多。特别是在计算机视觉领域，CNN是解决图像分类、图像检索、物   体检测和语义分割的主流模型。

CNN每一层由众多的卷积核组成，每个卷积核对输入的像素进行卷积操作，得到下一次的输入。随着网络层的增   加卷积核会逐渐扩大感受野，并缩减图像的尺寸。

                                                                 

CNN是一种层次模型，输入的是原始的像素数据。CNN通过卷积（convolution)、池化（pooling)、非线性**函数（non-linear activation function)和全连接层（fully connected layer)构成。

如下图所示为LeNet网络结构，是非常经典的字符识别模型。两个卷积层，两个池化层，两个全连接层组成。卷积   核都是5×5，stride=1，池化层使用最大池化。

                    

通过多次卷积和池化，CNN的最后一层将输入的图像像素映射为具体的输出。如在分类任务中会转换为不同类别   的概率输出，然后计算真实标签与CNN模型的预测结果的差异，并通过反向传播更新每层的参数，并在更新完成   后再次前向传播，如此反复直到训练完成。

与传统机器学习模型相比，CNN具有一种端到端（End to End)的思路。在CNN训练的过程中是直接从图像像素到最终的输出，并不涉及到具体的特征提取和构建模型的过程，也不需要人工的参与。

​​​​​​​1.3 CNN发展

随着网络结构的发展，研究人员最初发现网络模型结构越深、网络参数越多模型的精度更优。比较典型的是

AlexNet、VGG、InceptionV3和ResNet的发展脉络。

                     

LeNet-5(1998)

                     

AlexNet(2012)

                     

VGG-16(2014)

                   

Inception-v1 (2014)

                  

ResNet-50 (2015)

                

​​​​​​​1.4 Pytorch构建CNN模型

在上一章节我们讲解了如何使用Pytorch来读取赛题数据集，本节我们使用本章学习到的知识构件一个简单的CNN      模型，完成字符识别功能。

在Pytorch中构建CNN模型非常简单，只需要定义好模型的参数和正向传播即可，Pytorch会根据正向传播自动计算   反向传播。

在本章我们会构建一个非常简单的CNN，然后进行训练。这个CNN模型包括两个卷积层，最后并联6个全连接层进   行分类。

import torch
torch.manual_seed(0)
torch.backends.cudnn.deterministic = False
torch.backends.cudnn.benchmark = True
import torchvision.models as models
import torchvision.transforms as transforms
import torchvision.datasets as datasets
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
from torch.autograd import Variable
from torch.utils.data.dataset import Dataset
<div STYLE="page-break-after: always;"></div>
# 定义模型
class SVHN_Model1(nn.Module):
def __init__(self):
super(SVHN_Model1, self).__init__()
# CNN提取特征模块

self.cnn = nn.Sequential(
nn.Conv2d(3, 16, kernel_size=(3, 3), stride=(2, 2)),
nn.ReLU(),
nn.MaxPool2d(2),
nn.Conv2d(16, 32, kernel_size=(3, 3), stride=(2, 2)),
nn.ReLU(),
nn.MaxPool2d(2),
)
#
self.fc1 = nn.Linear(32*3*7, 11)
self.fc2 = nn.Linear(32*3*7, 11)
self.fc3 = nn.Linear(32*3*7, 11)
self.fc4 = nn.Linear(32*3*7, 11)
self.fc5 = nn.Linear(32*3*7, 11)
self.fc6 = nn.Linear(32*3*7, 11)
def forward(self, img):
feat = self.cnn(img)
feat = feat.view(feat.shape[0], -1)
c1 = self.fc1(feat)
c2 = self.fc2(feat)
c3 = self.fc3(feat)
c4 = self.fc4(feat)
c5 = self.fc5(feat)
c6 = self.fc6(feat)
return c1, c2, c3, c4, c5, c6
model = SVHN_Model1()

​​​​​​​​​​​​​​1.5  本章⼩小节

在本章中我们介绍了CNN以及CNN的发展，并使用Pytorch构建构建了一个简易的CNN模型来完成字符分类任务。