基于飞桨2.0的食品图片分类实战应用

本项目基于飞桨2.0，使用food-11数据集（含11类食品，共16643张图片）训练分类模型。通过搭建简单CNN，经数据预处理（求均值标准差、归一化等）、调整训练参数优化，最终在验证集达到50%-55%正确率，实现对面包、肉类等11类食品的分类，并完成模型保存与测试展示。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

基于飞桨2.0的食品图片分类实战应用

项目描述

本项目使用的是李宏毅机器学习中作业三的数据集

包含（面包，乳制品，甜点，鸡蛋，油炸食品，肉类，面条/意大利面，米饭，海鲜，汤，蔬菜/水果）十一类的食品数据，对其进行训练分类

搭建训练一个简单的卷积神经网络，实现这十一类食物图片的分类

项目的优化

1.对各通道进行求均值和标准差

2.更改训练参数

课程链接

课程链接：https://aistudio.baidu.com/aistudio/course/introduce/1978

数据集介绍

本次使用的数据集为food-11数据集，共有11类

Bread, Dairy product, Dessert, Egg, Fried food, Meat, Noodles/Pasta, Rice, Seafood, Soup, and Vegetable/Fruit.

（面包，乳制品，甜点，鸡蛋，油炸食品，肉类，面条/意大利面，米饭，海鲜，汤，蔬菜/水果）

Training set: 9866张

Validation set: 3430张

Testing set: 3347张

数据格式

下载 zip 档后解压缩会有三个资料夹，分别为training、validation 以及 testing

training 以及 validation 中的照片名称格式为 [类别]_[编号].jpg，例如 3_100.jpg 即为类别 3 的照片（编号不重要）

In [ ]

!unzip -d work data/data76472/food-11.zip # 解压缩food-11数据集

   In [ ]

!rm -rf work/__MACOSX

第一步 必要的库引入，数据读取

读取数据，新建路径+标签的txt的三个文件核实数据量与题目所给是否相同In [1]

import osimport paddleimport paddle.vision.transforms as Timport numpy as npfrom PIL import Imageimport paddleimport paddle.nn.functional as Ffrom sklearn.utils import shuffle#在python中运行代码经常会遇到的情况是——代码可以正常运行但是会提示警告，有时特别讨厌。#那么如何来控制警告输出呢？其实很简单，python通过调用warnings模块中定义的warn()函数来发出警告。我们可以通过警告过滤器进行控制是否发出警告消息。import warningswarnings.filterwarnings("ignore")data_path = 'work/food-11/'  # 设置初始文件地址character_folders = os.listdir(data_path)  # 查看地址下文件夹# 每次运行前删除txt，重新新建标签列表if(os.path.exists('./training_set.txt')):  # 判断有误文件    os.remove('./training_set.txt')  # 删除文件if(os.path.exists('./validation_set.txt')):    os.remove('./validation_set.txt')if(os.path.exists('./testing_set.txt')):    os.remove('./testing_set.txt')for character_folder in character_folders:  #循环文件夹列表    with open(f'./{character_folder}_set.txt', 'a') as f_train:  # 新建文档以追加的形式写入        character_imgs = os.listdir(os.path.join(data_path,character_folder))  # 读取文件夹下面的内容        count = 0        if character_folder in 'testing':  # 检查是否是测试集            for img in character_imgs:  # 循环列表                f_train.write(os.path.join(data_path,character_folder,img) + 'n')  # 把地址写入文档                count += 1            print(character_folder,count)        else:            for img in character_imgs:  # 检查是否是训练集和测试集                f_train.write(os.path.join(data_path,character_folder,img) + 't' + img[0:img.rfind('_', 1)] + 'n')  # 写入地址及标签                count += 1            print(character_folder,count)

testing 3347training 9866validation 3430

第二步 数据预处理

下面使用paddle.vision.transforms.Compose做数据预处理，主要是这几个部分：

以RGB格式加载图片将图片resize，从224×224变成100×100进行transpose操作，从HWC格式转变成CHW格式将图片的所有像素值进行除以255进行归一化对各通道进行减均值、除标准差In [2]

# 只有第一次需要执行 一次需要一分钟多import numpy as npimport cv2import os img_h, img_w = 100, 100   #适当调整，影响不大means, stdevs = [], []img_list = [] imgs_path = 'work/food-11/training'imgs_path_list = os.listdir(imgs_path) len_ = len(imgs_path_list)i = 0for item in imgs_path_list:    img = cv2.imread(os.path.join(imgs_path,item))    img = cv2.resize(img,(img_w,img_h))    img = img[:, :, :, np.newaxis]    img_list.append(img)    i += 1    # print(i,'/',len_)imgs_path = 'work/food-11/testing'imgs_path_list = os.listdir(imgs_path) len_ = len(imgs_path_list)i = 0for item in imgs_path_list:    img = cv2.imread(os.path.join(imgs_path,item))    img = cv2.resize(img,(img_w,img_h))    img = img[:, :, :, np.newaxis]    img_list.append(img)    i += 1imgs = np.concatenate(img_list, axis=3)imgs = imgs.astype(np.float32) / 255. for i in range(3):    pixels = imgs[:, :, i, :].ravel()  # 拉成一行    means.append(np.mean(pixels))    stdevs.append(np.std(pixels)) # BGR --> RGB ， CV读取的需要转换，PIL读取的不用转换means.reverse()stdevs.reverse() print("normMean = {}".format(means))print("normStd = {}".format(stdevs))# 只需要执行一次代码记录住数据即可# normMean = [0.5560434, 0.4515875, 0.34473255]# normStd = [0.27080873, 0.2738704, 0.280732]

normMean = [0.5560434, 0.4515875, 0.34473255]normStd = [0.27080873, 0.2738704, 0.280732]

       In [3]

# 定义数据预处理data_transforms = T.Compose([    T.Resize(size=(100, 100)),    T.RandomHorizontalFlip(100),    T.RandomVerticalFlip(100),    T.RandomRotation(90),    T.CenterCrop(100),    T.Transpose(),    # HWC -> CHW    T.Normalize(        mean=[0.5560434, 0.4515875, 0.34473255],      #归一化 上个模块所求的均值与标准差         std=[0.27080873, 0.2738704, 0.280732],        to_rgb=True)            #计算过程：output[channel] = (input[channel] - mean[channel]) / std[channel]])

第三步 继承paddle.io.Dataset对数据集做处理

对数据集进行处理

In [4]

class FoodDataset(paddle.io.Dataset):    """    数据集类的定义    """    def __init__(self, mode='training_set'):        """        初始化函数        """        self.data = []        with open(f'{mode}_set.txt') as f:            for line in f.readlines():                info = line.strip().split('t')                if len(info) > 0:                    self.data.append([info[0].strip(), info[1].strip()])                            def __getitem__(self, index):        """        读取图片，对图片进行归一化处理，返回图片和标签        """        image_file, label = self.data[index]  # 获取数据        img = Image.open(image_file).convert('RGB')  # 读取图片                return data_transforms(img).astype('float32'), np.array(label, dtype='int64')    def __len__(self):        """        获取样本总数        """        return len(self.data)train_dataset = FoodDataset(mode='training')train_loader = paddle.io.DataLoader(train_dataset, places=paddle.CPUPlace(), batch_size=64, shuffle=True, num_workers=0)eval_dataset = FoodDataset(mode='validation')val_loader = paddle.io.DataLoader(train_dataset, places=paddle.CPUPlace(), batch_size=64, shuffle=True, num_workers=0)# 查看训练和验证集数据的大小print('train size：', train_dataset.__len__())print('eval size：', eval_dataset.__len__())

train size： 9866eval size： 3430

第四步 自行搭建CNN神经网络

In [5]

# 继承paddle.nn.Layer类，用于搭建模型class MyCNN(paddle.nn.Layer):    def __init__(self):        super(MyCNN,self).__init__()        self.conv0 = paddle.nn.Conv2D(in_channels=3, out_channels=20, kernel_size=5, padding=0)  # 二维卷积层        self.pool0 = paddle.nn.MaxPool2D(kernel_size =2, stride =2)  # 最大池化层        self._batch_norm_0 = paddle.nn.BatchNorm2D(num_features = 20)  # 归一层        self.conv1 = paddle.nn.Conv2D(in_channels=20, out_channels=50, kernel_size=5, padding=0)        self.pool1 = paddle.nn.MaxPool2D(kernel_size =2, stride =2)        self._batch_norm_1 = paddle.nn.BatchNorm2D(num_features = 50)        self.conv2 = paddle.nn.Conv2D(in_channels=50, out_channels=50, kernel_size=5, padding=0)        self.pool2 = paddle.nn.MaxPool2D(kernel_size =2, stride =2)        self.fc1 = paddle.nn.Linear(in_features=4050, out_features=218)  # 线性层        self.fc2 = paddle.nn.Linear(in_features=218, out_features=100)        self.fc3 = paddle.nn.Linear(in_features=100, out_features=11)        def forward(self,input):        # 将输入数据的样子该变成[1,3,100,100]        input = paddle.reshape(input,shape=[-1,3,100,100])  # 转换维读        # print(input.shape)        x = self.conv0(input)  #数据输入卷积层        x = F.relu(x)  # 激活层        x = self.pool0(x)  # 池化层        x = self._batch_norm_0(x)  # 归一层        x = self.conv1(x)        x = F.relu(x)        x = self.pool1(x)        x = self._batch_norm_1(x)        x = self.conv2(x)        x = F.relu(x)        x = self.pool2(x)        x = paddle.reshape(x, [x.shape[0], -1])        # print(x.shape)        x = self.fc1(x)  # 线性层        x = F.relu(x)        x = self.fc2(x)        x = F.relu(x)        x = self.fc3(x)        #y = F.softmax(x)  # 分类器        return x

   In [6]

network = MyCNN()  # 模型实例化paddle.summary(network, (1,3,100,100))  # 模型结构查看

--------------------------------------------------------------------------- Layer (type)       Input Shape          Output Shape         Param #    ===========================================================================   Conv2D-1      [[1, 3, 100, 100]]    [1, 20, 96, 96]         1,520       MaxPool2D-1    [[1, 20, 96, 96]]     [1, 20, 48, 48]           0        BatchNorm2D-1   [[1, 20, 48, 48]]     [1, 20, 48, 48]          80          Conv2D-2      [[1, 20, 48, 48]]     [1, 50, 44, 44]        25,050       MaxPool2D-2    [[1, 50, 44, 44]]     [1, 50, 22, 22]           0        BatchNorm2D-2   [[1, 50, 22, 22]]     [1, 50, 22, 22]          200         Conv2D-3      [[1, 50, 22, 22]]     [1, 50, 18, 18]        62,550       MaxPool2D-3    [[1, 50, 18, 18]]      [1, 50, 9, 9]            0          Linear-1         [[1, 4050]]            [1, 218]           883,118       Linear-2          [[1, 218]]            [1, 100]           21,900        Linear-3          [[1, 100]]            [1, 11]             1,111     ===========================================================================Total params: 995,529Trainable params: 995,249Non-trainable params: 280---------------------------------------------------------------------------Input size (MB): 0.11Forward/backward pass size (MB): 3.37Params size (MB): 3.80Estimated Total Size (MB): 7.29---------------------------------------------------------------------------

{'total_params': 995529, 'trainable_params': 995249}

第五步 模型配置以及训练

运行时长: 3小时22分钟19秒5毫秒

In [7]

# 实例化模型inputs = paddle.static.InputSpec(shape=[None, 3, 100, 100], name='inputs')labels = paddle.static.InputSpec(shape=[None, 11], name='labels')model = paddle.Model(network,inputs,labels)# 模型训练相关配置，准备损失计算方法，优化器和精度计算方法# 定义优化器scheduler = paddle.optimizer.lr.LinearWarmup(        learning_rate=0.001, warmup_steps=100, start_lr=0, end_lr=0.001, verbose=True)optim = paddle.optimizer.SGD(learning_rate=scheduler, parameters=model.parameters())# 配置模型model.prepare(    optim,    paddle.nn.CrossEntropyLoss(),    paddle.metric.Accuracy()    )visualdl = paddle.callbacks.VisualDL(log_dir='visualdl_log')# 模型训练与评估model.fit(        train_loader,  # 训练数据集        val_loader,   # 评估数据集        epochs=100,       # 训练的总轮次        batch_size=128,  # 训练使用的批大小        verbose=1,      # 日志展示形式        callbacks=[visualdl])  # 设置可视化# 模型评估model.evaluate(eval_dataset, batch_size=128, verbose=1)#已运行，结果太长，已经删除，数据在下图显示

多次运行，在验证集正确率达到0.50-0.55之间

第六步 保存模型

In [8]

model.save('finetuning/mnist')  # 保存模型

第七步 测试集案例展示

In [9]

def opening():  # 读取图片函数    with open(f'testing_set.txt') as f:  #读取文件夹        test_img = []        txt =  []        for line in f.readlines():  # 循环读取每一行            img = Image.open(line[:-1])  # 打开图片            img = data_transforms(img).astype('float32')            txt.append(line[:-1])  # 生成列表            test_img.append(img)          return txt,test_imgimg_path, img = opening()  # 读取列表from PIL import Imagemodel_state_dict = paddle.load('finetuning/mnist.pdparams')  # 读取模型model = MyCNN()  # 实例化模型model.set_state_dict(model_state_dict) model.eval()

   In [14]

site = 10  # 读取图片位置ceshi = model(paddle.to_tensor(img[site]))  # 测试print('预测的结果为:', np.argmax(ceshi.numpy()))  # 获取值value = ["面包","乳制品","甜点","鸡蛋","油炸食品","肉类","面条/意大利面","米饭","海鲜","汤","蔬菜/水果"]print('           ', value[np.argmax(ceshi.numpy())])Image.open(img_path[site])  # 显示图片

预测的结果为: 9            汤

以上就是基于飞桨2.0的食品图片分类实战应用的详细内容，更多请关注创想鸟其它相关文章！