【PaddleHub模型贡献】一行代码实现蛇种识别

一行代码实现蛇种识别

• ​​一、模型开发​​

• ​​1.安装必要的资源库​​
• ​​2.数据预处理​​

• ​​2.1解压数据集​​
• ​​2.2划分训练集​​

• ​​3.模型训练​​

• ​​3.1设置使用0号GPU卡​​
• ​​3.2图像预处理+数据增强​​
• ​​3.3数据迭代器的定义​​
• ​​3.4开始炼丹​​

• ​​4.查看模型预测效果​​

• ​​二、封装Module​​

• ​​1.导出inference模型​​
• ​​2.模型转换​​
• ​​3.模型安装​​
• ​​4.模型预测​​

• ​​预测单张图片​​
• ​​预测多张图片​​

• ​​三、在GitHub上提pr​​

• ​​1.Fork PaddleHub​​
• ​​2.上传Module​​
• ​​3.Pull Request​​

• ​​四、总结与升华​​
• ​​个人简介​​

毒蛇伤人事件在全世界范围内已造成相当一部分的死亡和受伤案例，这对于公众健康是一个重要的却又容易被忽视的影响因素。一部分人被蛇咬后无法准确地区分蛇的种类，无法知道蛇有毒与否，并且还因为不具备一定的自救知识而被蛇咬后不知所措。基于此，开发者 ​​叶月火狐​​ 基于飞桨开发了一款《野外蛇谱》的app，帮助人们在野外被蛇咬后准确识别蛇的种类，并精准判断蛇的毒性，提供自救方案，帮助人们在被蛇咬后的紧急处理。

前不久，飞桨官方在AI Studio上挑选了45个优质项目，优质项目链接：​​https://shimo.im/sheets/CqQvXq3JhGqCxdXv/MODOC​​

开发者 ​​叶月火狐​​ 开发的《野外蛇谱》的app是上面的优质项目之一，将其转换成PaddleHub模型可供更多开发者快速使用。

参考资料：

• ​​基于飞桨开发的《野外蛇谱》app​​
• ​​手把手带你将Paddlex模型部署为PaddleHub​​
• ​​【PaddleHub模型贡献】一行代码实现水表的数字表盘分割​​
• ​​【PaddleHub模型贡献】一行代码实现从彩色图提取素描线稿​​

一、模型开发

1.安装必要的资源库

原项目使用PaddleX开发，因此这里先安装PaddleX：

!pip install paddlex

2.数据预处理

2.1解压数据集

!unzip data/data44587/snake_data.zip -d /home/aistudio/

2.2划分训练集

!paddlex --split_dataset --format ImageNet --dataset_dir '/home/aistudio/snake_data' --val_value 0.2 --test_value 0.1

3.模型训练

3.1设置使用0号GPU卡

import matplotlib
matplotlib.use('Agg') 
import os
os.environ['CUDA_VISIBLE_DEVICES'] = '0'
import paddlex as pdx

3.2图像预处理+数据增强

from paddlex.cls import transforms
train_transforms = transforms.Compose([
    transforms.RandomCrop(crop_size=224),
    transforms.RandomHorizontalFlip(),
    transforms.Normalize()
])
eval_transforms = transforms.Compose([
    transforms.ResizeByShort(short_size=256),
    transforms.CenterCrop(crop_size=224),
    transforms.Normalize()
])

3.3数据迭代器的定义

train_dataset = pdx.datasets.ImageNet(
    data_dir='snake_data',
    file_list='snake_data/train_list.txt',
    label_list='snake_data/labels.txt',
    transforms=train_transforms,
    shuffle=True)
eval_dataset = pdx.datasets.ImageNet(
    data_dir='snake_data',
    file_list='snake_data/val_list.txt',
    label_list='snake_data/labels.txt',
    transforms=eval_transforms)

2020-07-19 11:49:17 [INFO]  Starting to read file list from dataset...
2020-07-19 11:49:17 [INFO]  17364 samples in file snake_data/train_list.txt
2020-07-19 11:49:17 [INFO]  Starting to read file list from dataset...
2020-07-19 11:49:17 [INFO]  25 samples in file snake_data/val_list.txt

3.4开始炼丹

num_classes = len(train_dataset.labels)
model = pdx.cls.ResNet50_vd_ssld(num_classes=num_classes)
model.train(num_epochs = 60,
            save_interval_epochs = 10,
            train_dataset = train_dataset,
            train_batch_size = 64,
            eval_dataset = eval_dataset,
            learning_rate = 0.025,
            warmup_steps = 1084,
            warmup_start_lr = 0.0001,
            lr_decay_epochs=[20, 40],
            lr_decay_gamma = 0.025,    
            save_dir='/home/aistudio',
            use_vdl=True)

4.查看模型预测效果

import cv2
import matplotlib.pyplot as plt

# 加载模型
print('**************************************加载模型*****************************************')
model = pdx.load_model('best_model')

# 显示图片
img = cv2.imread('test.jpg')
b,g,r = cv2.split(img)
img = cv2.merge([r,g,b])
%matplotlib inline
plt.imshow(img)

# 预测
result = model.predict('test.jpg', topk=3)
print('**************************************预测*****************************************')
print(result[0])

**************************************加载模型*****************************************
2020-07-19 14:21:06 [INFO]  Model[ResNet50_vd_ssld] loaded.
**************************************预测*****************************************
{'category_id': 4, 'category': '西部菱斑响尾蛇', 'score': 0.9999999}

二、封装Module

1.导出inference模型

!paddlex --export_inference --model_dir=best_model --save_dir=./inference_model/ResNet50_vd_ssld

W0717 23:24:19.157521 13809 device_context.cc:252] Please NOTE: device: 0, CUDA Capability: 70, Driver API Version: 9.2, Runtime API Version: 9.0
W0717 23:24:19.161340 13809 device_context.cc:260] device: 0, cuDNN Version: 7.3.
2020-07-17 23:24:22 [INFO]  Model[ResNet50_vd_ssld] loaded.
2020-07-17 23:24:22 [INFO]  Model for inference deploy saved in ./inference_model/ResNet50_vd_ssld.

2.模型转换

PaddleX模型可以快速转换成PaddleHub模型，只需要用下面这一句命令即可：

!hub convert --model_dir inference_model/ResNet50_vd_ssld \
              --module_name SnakeIdentification \
              --module_version 1.0.0 \
              --output_dir outputs

转换成功后的模型保存在outputs文件夹下，我们解压一下：

!gzip -dfq /home/aistudio/outputs/SnakeIdentification.tar.gz
!tar -xf /home/aistudio/outputs/SnakeIdentification.tar

3.模型安装

安装我们刚刚转换的模型：

!hub install SnakeIdentification

4.模型预测

预测单张图片

import cv2
import paddlehub as hub

module = hub.Module(name="SnakeIdentification")

images = [cv2.imread('snake_data/class_1/2421.jpg')]

# execute predict and print the result
results = module.predict(images=images)
for result in results:
    print(result)

[2021-03-12 10:55:05,972] [ WARNING] - The _initialize method in HubModule will soon be deprecated, you can use the __init__() to handle the initialization of the object


[{'category_id': 0, 'category': '水蛇', 'score': 0.9999205}]

预测多张图片

选取5张图片，每张图片对应一个类别：

import cv2
import paddlehub as hub

module = hub.Module(name="SnakeIdentification")

images = [cv2.imread('snake_data/class_1/2421.jpg'), cv2.imread('snake_data/class_2/113.jpg'), cv2.imread('snake_data/class_3/757.jpg'),
          cv2.imread('snake_data/class_4/1101.jpg'), cv2.imread('snake_data/class_5/2566.jpg')]

# execute predict and print the result
results = module.predict(images=images)
for result in results:
nt the result
results = module.predict(images=images)
for result in results:
    print(result)

[2021-03-12 11:00:07,036] [ WARNING] - The _initialize method in HubModule will soon be deprecated, you can use the __init__() to handle the initialization of the object


[{'category_id': 0, 'category': '水蛇', 'score': 0.9999205}]
[{'category_id': 1, 'category': '剑纹带蛇', 'score': 0.9988399}]
[{'category_id': 2, 'category': '德凯斯氏蛇', 'score': 0.9867851}]
[{'category_id': 3, 'category': '黑鼠蛇', 'score': 0.9468411}]
[{'category_id': 4, 'category': '西部菱斑响尾蛇', 'score': 1.0}]

三、在GitHub上提pr

pr就是Pull Request（翻译过来就是：拉取请求）的简称

1.Fork PaddleHub

进入PaddleHub的源码仓库​​https://github.com/PaddlePaddle/PaddleHub​​

看到这个箭头指向的按钮了吗？点它！！！

如果可以的话，可以顺手把它旁边的Star给点了（手动狗头）

点击以后，你的账号下面就有一个叫PaddleHub的代码仓库了，就像这样：

2.上传Module

本项目是图像分类的项目，所以进入到图像分类的目录下：

PaddleHub/modules/image/classification/

点击Add file：

先输入您上传的Module名称，这里我的Module名称命名为SnakeIdentification，将它变成一个文件夹，只需要在后面加一个‘/’,创建好文件夹以后，把Module里的文件上传上去即可：

上传成功后，点击Commit，文件就会自动上传到你自己的代码仓库里

3.Pull Request

最后一步，拉取请求：

确认无误后点击提交即可：

四、总结与升华

这次图像分类的任务比较简单，用的时间大概是2个小时，总的来说，熟练以后还是蛮简单的。

大家赶紧冲呀！！！

个人简介

北京联合大学 机器人学院 自动化专业 2018级 本科生 郑博培
百度飞桨开发者技术专家 PPDE
百度飞桨官方帮帮团、答疑团成员
深圳柴火创客空间 认证会员
百度大脑 智能对话训练师
阿里云人工智能、DevOps助理工程师