简单好上手的图像分类教程！

 

今天，Google AI再次放出大招，推出一个专注于机器学习实践的“交互式课程”，第一门是图像分类机器学习实践，已有超过10000名谷歌员工使用这个教程构建了自己的图像分类器。内容简明易上手，不妨来试。

几个月前，Google AI教育项目放出大福利，将内部机器学习速成课程（MLCC）免费开放给所有人，以帮助更多开发人员学习和使用机器学习。

今天，Google AI再次放出大招，推出一个专注于机器学习实践的“交互式课程”。公开的第一门课程是谷歌AI团队与图像模型方面的专家合作开发的图像分类机器学习实践。

这个动手实践课程包含视频、文档和交互式编程练习，分步讲解谷歌最先进的图像分类模型是如何开发出来的。这一图像分类模型已经在Google相册的搜索功能中应用。迄今为止，已经有超过10000名谷歌员工使用这个实践指南来训练自己的图像分类器，识别照片上的猫和狗。

在这个交互式课程中，首先，你将了解图像分类是如何工作的，学习卷积神经网络的构建模块。然后，你将从头开始构建一个CNN，了解如何防止过拟合，并利用预训练的模型进行特征提取和微调。

机器学习实践：图像分类

学习本课程，你将了解谷歌state-of-the-art的图像分类模型是如何开发出来的，该模型被用于在Google Photos中进行搜索。这是一个关于卷积神经网络（CNN）的速成课程，在学习过程中，你将自己构建一个图像分类器来区分猫的照片和狗的照片。

预计完成时间：90~120 分钟

先修要求

已学完谷歌机器学习速成课程，或有机器学习基本原理相关的经验。

精通编程基础知识，并有一些Python编程的经验

在2013年5月，谷歌发布了对个人照片进行搜索的功能，用户能够根据照片中的对象在自己的相册中检索相应的照片。

 

在相册中搜索包含暹逻猫的照片

这一功能后来在2015年被Google Photos中，被广泛认为具有颠覆性的影响。这证明了计算机视觉软件可以按照人类的标准对图像进行分类，其价值包括：

用户不再需要用“beach”之类的标签手工地对照片内容进行分类，当需要管理几千张图片时，这一任务会变得非常繁琐。

用户可以用新的方式来探索他们的相册，使用搜索词来定位他们可能从未标记过的对象的照片。例如，他们可以搜索“棕榈树”，将所有背景中有棕榈树的度假照片放在一起。

软件可能会“看到”用户自己可能无法察觉的分类差别（例如，区分暹罗猫和阿比西尼亚猫），有效地增加了用户的专业知识。

图像分类是如何工作的

图像分类是一个有监督的学习问题：定义一组目标类（即图像中需要识别的对象），并使用已标记的示例照片来训练一个模型来识别目标。早期的计算机视觉模型依赖于原始的像素数据作为模型的输入。

然而，如下图所示，仅原始的像素数据并不能提供足够稳定的表示，以包含图像中捕获的无数个对象的细微变化。对象的位置、对象背后的背景、周围的光线、相机的角度和相机的焦点在原始像素数据中都可能产生波动；这些差异是非常重要的，它们不能通过对像素RGB值的加权平均来校正。

 

左：不同姿势、不同背景和光照条件的照片中，猫都可以被识别出来；右：用平均像素数据来解释这种变化无法产生任何有意义的信息

为了更灵活地对对象进行建模，经典的计算机视觉模型添加了来自像素数据的新特性，比如颜色直方图、纹理和形状。但这种方法的缺点是使特性工程变成了一种负担，因为需要调整的输入太多了。比如对于一个猫的分类器，哪种颜色最重要？形状的定义灵活度应该多大？由于特征需要非常精确地调整，构建一个稳定的模型非常具有挑战性，而且模型精度也会受到影响。

卷积神经网络

构建图像分类模型的一个突破是发现卷积神经网络（CNN）可以用来逐步地提取图像内容的更高层的表示。CNN不是预先处理数据以获得纹理、形状等特征，而是将图像的原始像素数据作为输入，并“学习”如何提取这些特征，最终推断它们构成的对象。

首先，CNN接受到一个输入特征图：一个三维矩阵，其中前两个维度的大小对应于像素图像的长度和宽度。第三个维度的大小为3（对应于彩色图像的3个通道：红、绿和蓝）。CNN包含许多个模块，每个模块执行三个操作。

CNN部分接下来分别讲解卷积、ReLU、Pooling和全连接层。接下来两节是“防止过拟合”和“利用预训练的模型”，并提供三个练习：

练习1：为猫-狗分类（Cat-vs-Dog Classification）建立一个卷积神经网络

在这个练习中，你将得到动手建一个卷积神经网络的实战经验，从头开始建立一个图像分类器来区分猫的照片和狗的照片。

练习2：防止过拟合

在这个练习中，你将进一步改进练习1中构建的猫狗分类CNN模型，运用数据增强和dropout 正则化。

练习3：特征提取和微调

在这个练习中，你将对谷歌的初始 Inception v3 模型进行特征提取和fine-tuning，以使你的猫狗分类模型达到更高精度。