本文來(lái)自AI新媒體量子位（QbitAI）

春節(jié)后第一個(gè)休息日，量子位給大家準(zhǔn)備了一個(gè)不一樣的故事。

在這個(gè)故事里，主人公David Brailovsky（就叫阿D吧）參加了一場(chǎng)計(jì)算機(jī)視覺(jué)比賽。這個(gè)挑戰(zhàn)賽要求基于卷積神經(jīng)網(wǎng)絡(luò)(CNN)，做出一個(gè)識(shí)別紅綠燈的人工智能應(yīng)用模型。

于是阿D花了10周的時(shí)間，從0開(kāi)始，一點(diǎn)一滴摸索著，搭建、調(diào)試、訓(xùn)練和一個(gè)深度學(xué)習(xí)系統(tǒng)。而且還在最后的比賽中一舉奪魁，贏了5000美元。

主人公把這個(gè)有點(diǎn)逆襲的過(guò)程，原原本本的寫(xiě)了下來(lái)。量子位也希望對(duì)人工智能感興趣的朋友仔細(xì)看一看。不用擔(dān)心，并不是AI專家才能理解這篇文章。因?yàn)槿闹攸c(diǎn)在與搭建一個(gè)人工智能應(yīng)用模型的思路和方法，而不是拘泥于技術(shù)實(shí)現(xiàn)。

從實(shí)踐應(yīng)用的角度出發(fā)，搭建一個(gè)AI模型，并不是從0開(kāi)始寫(xiě)代碼的過(guò)程。

最初，是選擇一些功能近似的既有模型，然后進(jìn)行微調(diào)，從而把既有模型的能力，從原來(lái)的任務(wù)“遷移”到新任務(wù)上。然后使用數(shù)據(jù)進(jìn)行訓(xùn)練，訓(xùn)練過(guò)程中嘗試不同的調(diào)整，以觀察哪些調(diào)整可以起效，哪些調(diào)整沒(méi)有效果。

這個(gè)過(guò)程中重要的一步，是把幾個(gè)較低精度的模型組合在一起，反而得到了較高精度的輸出結(jié)果。隨后，測(cè)試并且獲得較好的效果。

如前所述，下文沒(méi)有過(guò)于晦澀的技術(shù)內(nèi)容，量子位選擇推薦這篇，是因?yàn)橛兄诶斫馊绾卧趯?shí)踐中利用人工智能解決問(wèn)題。

那么，我們就跟著阿D的講述就開(kāi)始吧。

正文分割線

△?一個(gè)基于深度學(xué)習(xí)的交通燈識(shí)別分類器Demo

左上角是根據(jù)圖片給出的判斷

挑戰(zhàn)

我最近在一個(gè)交通燈識(shí)別挑戰(zhàn)賽中贏得了第一名，這是由一家公司組織的計(jì)算機(jī)視覺(jué)競(jìng)賽。挑戰(zhàn)的目標(biāo)是識(shí)別行車(chē)載攝像頭拍下的圖像中，交通燈的狀態(tài)。

在任何給定的圖像中，要做出這樣一個(gè)人工智能應(yīng)用模型（分類器）：可以輸出場(chǎng)景中是否有交通燈，以及它是紅色還是綠色。 且應(yīng)該僅識(shí)別行駛方向上的交通燈。

上面的三張圖像，就是需要預(yù)測(cè)的三類可能的情況：沒(méi)有交通燈，紅色或綠色交通燈。

挑戰(zhàn)要求解決方案基于卷積神經(jīng)網(wǎng)絡(luò)，這是一種在使用深度神經(jīng)網(wǎng)絡(luò)進(jìn)行圖像識(shí)別領(lǐng)域非常流行的方法。 參賽的算法模型，會(huì)被依照準(zhǔn)確性以及模型的大小兩個(gè)維度進(jìn)行評(píng)分。 較小的模型得分更高。 此外，獲勝所需的最低準(zhǔn)確度為95％。

主辦方提供了18659個(gè)經(jīng)過(guò)標(biāo)記的圖像作為訓(xùn)練數(shù)據(jù)。每個(gè)圖像都標(biāo)記為上面提到的三個(gè)類別之一。

軟件和硬件

我用Caffe深度學(xué)習(xí)框架（可以理解為一組工具包）來(lái)訓(xùn)練模型。主要原因是Caffe里有各種各樣的預(yù)訓(xùn)練模型。

在分析結(jié)果、數(shù)據(jù)探索和特殊腳本的工作中，我使用了Python，NumPy以及Jupyter Notebook。

我還用了亞馬遜的GPU實(shí)例（g2.2xlarge）用于訓(xùn)練模型。最后的費(fèi)用是263美元之巨。用來(lái)訓(xùn)練和運(yùn)行模型的代碼和文件在GitHub上。

最終分類器

最終的分類器在主辦方的測(cè)試集上，實(shí)現(xiàn)了94.955％的精度，模型大小為7.84 MB。作為比較，GoogLeNet的模型大小為41MB，VGG-16的模型大小528MB。

主辦方大發(fā)慈悲同意把94.955％當(dāng)作95％看待，讓我通過(guò)最低要求。

追求更高精度的過(guò)程中，伴隨大量的試驗(yàn)和錯(cuò)誤。 其中一些我知道背后的邏輯，有些只是“碰碰運(yùn)氣”。我將講述一些在模型中試圖改進(jìn)的事情，有的搞定了有的沒(méi)搞定。

搞定的部分

遷移學(xué)習(xí)

我從嘗試微調(diào)一個(gè)模型起步，這是一個(gè)在ImageNet圖像數(shù)據(jù)庫(kù)上用GoogLeNet架構(gòu)預(yù)訓(xùn)練的模型。很快，這就讓我得到> 90％的準(zhǔn)確性！

不過(guò)，主辦方在挑戰(zhàn)的官方頁(yè)面中提到，通過(guò)微調(diào)GoogLeNet模型應(yīng)該可以達(dá)到93％的精度。我也不知道我哪里出了問(wèn)題。

SqueezeNet

SqueezeNet：具有AlexNet（圖像分類模型）級(jí)精度，但參數(shù)少50倍，模型尺寸小于0.5MB。

由于競(jìng)爭(zhēng)獎(jiǎng)勵(lì)使用小模型的解決方案，早期我決定尋找一個(gè)緊湊的網(wǎng)絡(luò)模型，盡可能少的參數(shù)，仍然可以產(chǎn)生良好的效果。 但大多數(shù)最近發(fā)布的網(wǎng)絡(luò)非常深，有很多參數(shù)。

SqueezeNet似乎是一個(gè)非常好的選擇，它也有一個(gè)在ImageNet上訓(xùn)練好的預(yù)訓(xùn)練模型，可用在Caffe的Model Zoo（類似手機(jī)上的應(yīng)用商店）中方便取用。

△?SqueezeNet網(wǎng)絡(luò)架構(gòu)

網(wǎng)絡(luò)通過(guò)以下方式保持緊湊：

• 主要使用1x1卷積過(guò)濾，輔助一些3x3

• 減少3x3過(guò)濾的輸入通道數(shù)

有關(guān)更多詳細(xì)信息，我建議閱讀Lab41的博客。

在一些來(lái)回調(diào)整學(xué)習(xí)率后，我能夠微調(diào)預(yù)訓(xùn)練模型以及從零開(kāi)始訓(xùn)練，并且準(zhǔn)確度能夠達(dá)到很好的92％！很酷！

旋轉(zhuǎn)圖像

大多數(shù)圖像是水平橫置的，如上所示，但約2.4％是垂直的，另外還有好多種不同的方向。如下所示。

雖然這些在數(shù)據(jù)集中占比不大，但我們?nèi)韵Ｍ约旱哪Ｐ鸵材軐?duì)他們進(jìn)行正確分類。

不幸的是，在jpeg圖像中沒(méi)有指定方向的EXIF數(shù)據(jù)。起初，我考慮做一些啟發(fā)式算法來(lái)識(shí)別天空和相應(yīng)地翻轉(zhuǎn)圖像，但這似乎沒(méi)那么簡(jiǎn)單。

然后我改讓圖像按照固定角度旋轉(zhuǎn)。最開(kāi)始我嘗試訓(xùn)練網(wǎng)絡(luò)隨機(jī)以0°，90°，180°，270°進(jìn)行旋轉(zhuǎn)。這沒(méi)什么改善。但是，當(dāng)我對(duì)每個(gè)圖像進(jìn)行四次旋轉(zhuǎn)而得的預(yù)測(cè)取平均值時(shí)，改善出現(xiàn)了！

92% → 92.6%。

澄清一下：上面提到的“預(yù)測(cè)取平均值”，我的意思是平均了每個(gè)類在4個(gè)圖像變化中產(chǎn)生的模型的概率。

過(guò)采樣修剪

在訓(xùn)練期間，SqueezeNet網(wǎng)絡(luò)默認(rèn)首先在輸入圖像上執(zhí)行隨機(jī)修剪，我沒(méi)有對(duì)這個(gè)進(jìn)行改動(dòng)。 這種類型的數(shù)據(jù)增加使網(wǎng)絡(luò)更好地泛化。

類似地，當(dāng)生成預(yù)測(cè)時(shí)，我對(duì)輸入圖像進(jìn)行了一些修剪以及平均結(jié)果。 我使用5個(gè)修剪：4個(gè)角和一個(gè)中心。 有現(xiàn)成的免費(fèi)Caffe代碼來(lái)完成這個(gè)任務(wù)。

92% → 92.46%

旋轉(zhuǎn)圖像與過(guò)采樣修剪帶來(lái)了非常輕微的改進(jìn)。

以較低的學(xué)習(xí)率進(jìn)行附加訓(xùn)練

所有模型在一定點(diǎn)后開(kāi)始過(guò)擬合。我注意到這點(diǎn)，是看到驗(yàn)證集損失開(kāi)始在某一點(diǎn)上升。

40000迭代之后驗(yàn)證集損失開(kāi)始上升

我在那個(gè)點(diǎn)停止了訓(xùn)練，因?yàn)槟Ｐ涂赡懿辉俜夯?。這意味著學(xué)習(xí)率沒(méi)有時(shí)間衰減到零。 我試圖恢復(fù)訓(xùn)練過(guò)程，在模型開(kāi)始過(guò)擬合時(shí)，把學(xué)習(xí)率調(diào)低10倍。 這大概提高了0-0.5％的精度。

更多的訓(xùn)練數(shù)據(jù)

起初，我將數(shù)據(jù)分成3組：訓(xùn)練集（64％），驗(yàn)證集（16％）和測(cè)試集（20％）。幾天后，我認(rèn)為放棄36％的數(shù)據(jù)可能太多了。我合并了訓(xùn)練和驗(yàn)證集，并使用測(cè)試集來(lái)檢查我的結(jié)果。

我重新訓(xùn)練了一個(gè)模型，加入“圖像旋轉(zhuǎn)”和“低速率附加訓(xùn)練”，并得到了如下提升：

92.6% → 93.5%

在訓(xùn)練數(shù)據(jù)中重新標(biāo)簽錯(cuò)誤

當(dāng)分析分類器對(duì)驗(yàn)證集的錯(cuò)誤時(shí)，我注意到一些錯(cuò)誤的置信度非常高。 換句話說(shuō)，模型確定它是一件事（例如綠燈），而訓(xùn)練數(shù)據(jù)說(shuō)明是相反的情況（例如紅燈）。

注意，在上面的圖中，最右邊的欄是相當(dāng)高的。 這意味著有大量的錯(cuò)誤有著> 95％的置信度。 當(dāng)仔細(xì)檢查這些情況時(shí)，我發(fā)現(xiàn)這些通常錯(cuò)誤是源自訓(xùn)練集的地面實(shí)況(ground-truth)，而不是訓(xùn)練好的模型。

我決定在訓(xùn)練集中修復(fù)這些錯(cuò)誤。 應(yīng)該是這些錯(cuò)誤混淆了模型，使其更難以進(jìn)行歸納。 即使最終測(cè)試集在地面實(shí)況中有錯(cuò)誤，一個(gè)更泛化的模型在所有圖像中，更有可能達(dá)到更高的精度。

我手動(dòng)標(biāo)記了709張圖像，當(dāng)時(shí)我的一個(gè)模型產(chǎn)生了錯(cuò)誤。 這改變了709張圖像中337張的地面實(shí)況。 這個(gè)手工活耗時(shí)一小時(shí)，我還用了python腳本來(lái)提升效率。

以上是重新標(biāo)記和重新訓(xùn)練模型后的結(jié)果?？雌饋?lái)好多了！

這對(duì)模型的提升度為：

93.5% → 94.1%

組合模型

使用幾個(gè)模型在一起并平均其結(jié)果也提高了精度。 我在訓(xùn)練過(guò)程中對(duì)參與整體的模型進(jìn)行了不同類型的修改。 使用從頭開(kāi)始訓(xùn)練的模型(即使自身準(zhǔn)確度較低)，結(jié)合精細(xì)調(diào)教過(guò)的預(yù)處理模型，我們獲得了顯著改進(jìn)的結(jié)果。可能這種方式學(xué)習(xí)到了更多的特征。

最后我們組合了3個(gè)模型，精度為94.1％，94.2％和92.9％，合在一起精度為94.8％。

沒(méi)搞定的部分

沒(méi)搞定的太多了！希望其中的一些想法在別處有用。

與過(guò)擬合戰(zhàn)斗

當(dāng)試圖處理過(guò)度擬合時(shí)，我嘗試了幾個(gè)事情，沒(méi)有一個(gè)產(chǎn)生顯著的改進(jìn)：

• 增加網(wǎng)絡(luò)中的丟失率

• 更多數(shù)據(jù)增強(qiáng)（隨機(jī)移位，縮放，傾斜）

• 分配更多的訓(xùn)練數(shù)據(jù)：使用90/10分隔而不是80/20

平衡數(shù)據(jù)集

數(shù)據(jù)集不是非常平衡：

• 19％的圖像標(biāo)有沒(méi)有交通燈

• 53%的是紅燈

• 28%的是綠燈

我試圖使用過(guò)采樣較不常見(jiàn)的類來(lái)平衡數(shù)據(jù)集，但沒(méi)有發(fā)現(xiàn)任何改進(jìn)。

區(qū)分晝夜

我的直覺(jué)是，識(shí)別交通燈在白天和夜間是非常不同的。我想也許我可以幫助這個(gè)模型，把它分成兩個(gè)更簡(jiǎn)單的問(wèn)題。

通過(guò)觀察它們的平均像素強(qiáng)度，將圖像分為白天和黑夜是相當(dāng)容易的：

你可以看到一個(gè)非常自然的圖像分離，低平均值即暗圖像，在夜間拍攝，明亮的圖像，在白天拍攝。

我試過(guò)兩種方法，都沒(méi)有改善結(jié)果：

• 為白天圖像和夜間圖像訓(xùn)練兩個(gè)單獨(dú)的模型

• 訓(xùn)練網(wǎng)絡(luò)預(yù)測(cè)6種分類而不是3種，方法也是預(yù)測(cè)是白天還是晚上

使用SqueezeNet的更好的變體

我用兩個(gè)改進(jìn)的SqueezeNet變體進(jìn)行了一點(diǎn)嘗試。第一次使用殘留連接和第二次訓(xùn)練與密集→稀疏→密集訓(xùn)練。沒(méi)什么用。

交通燈定位

在閱讀deepsense.io的一篇關(guān)于他們?nèi)绾乌A得鯨魚(yú)識(shí)別挑戰(zhàn)的文章后，我試圖訓(xùn)練一個(gè)定位器，即首先識(shí)別交通燈在圖像中的位置，然后在一個(gè)小區(qū)域識(shí)別交通燈狀態(tài)。

我花費(fèi)數(shù)小時(shí)用sloth來(lái)注釋約2000張圖片。當(dāng)試圖訓(xùn)練一個(gè)模型，它過(guò)擬合得非常快，可能是因?yàn)闆](méi)有足夠的標(biāo)簽數(shù)據(jù)。 也許這個(gè)方法可行，如果我能標(biāo)注更多的圖像。

在困難案例上訓(xùn)練分類器

通過(guò)挑選分類器置信度小于97%的數(shù)據(jù)，我跳出30%“難度更高”的圖片。然后我試圖只用這些圖片訓(xùn)練分類器。沒(méi)什么改善。

不同的優(yōu)化算法

我短暫的使用Caffe的Adam結(jié)算期，取代線性降低學(xué)習(xí)率的SGD，但是沒(méi)有看到任何改進(jìn)。

向組合中添加更多模型

由于組合的方法證明有效，我曾嘗試把規(guī)模擴(kuò)大一倍。我試著改變不同的參數(shù)來(lái)產(chǎn)生不同的模型，并將它們添加到組合中：初始種子，dropout rate，不同的訓(xùn)練數(shù)據(jù)(分組方法不同)，訓(xùn)練中不同的檢查點(diǎn)。這些都沒(méi)有帶來(lái)顯著的改善。

最終分類器細(xì)節(jié)

我的分類器，最后由三個(gè)單獨(dú)訓(xùn)練的網(wǎng)絡(luò)組合而成。它們給每個(gè)類的概率，進(jìn)行加權(quán)后的平均值作為輸出。所有這三個(gè)網(wǎng)絡(luò)都基于SqueezeNet，但各自經(jīng)過(guò)了不同的訓(xùn)練。

一號(hào)模型 - 以過(guò)采樣進(jìn)行預(yù)訓(xùn)練的網(wǎng)絡(luò)

訓(xùn)練基于重新打標(biāo)簽的訓(xùn)練集（修復(fù)地面實(shí)況錯(cuò)誤之后）。這個(gè)微調(diào)過(guò)的模型，基于ImageNet上一個(gè)預(yù)訓(xùn)練的SqueezeNet模型。

訓(xùn)練期間的數(shù)據(jù)增強(qiáng)：

• 隨機(jī)水平鏡像

• 送入網(wǎng)絡(luò)之前隨機(jī)裁剪227×227大小的補(bǔ)丁

測(cè)試時(shí)，對(duì)每個(gè)圖像進(jìn)行10各不同的變體預(yù)測(cè)，然后取計(jì)算平均值作為最終預(yù)測(cè)。這10種不同的變體預(yù)測(cè)是：

• 5次227×227大小的裁剪：四個(gè)角各一次，圖片中央一次

• 對(duì)每一個(gè)裁剪，都生成一個(gè)水平鏡像

驗(yàn)證集的模型精度：94.21％

模型大小：~2.6 MB

二號(hào)模型 - 增加旋轉(zhuǎn)不變性

和一號(hào)模型非常類似，只不過(guò)增加的是圖像旋轉(zhuǎn)。在訓(xùn)練時(shí)間期間，圖像隨機(jī)旋轉(zhuǎn)90°，180°，270°或根本不旋轉(zhuǎn)。 在測(cè)試時(shí)，一號(hào)模型中描述的10個(gè)變體中的每一個(gè)通過(guò)旋轉(zhuǎn)90°，180°和270°而產(chǎn)生三個(gè)變體。 共有40個(gè)變量被我們的模型分類和平均在一起。

驗(yàn)證集的模型精度：94.1％

模型大小：~2.6 MB

三號(hào)模型 - 從頭開(kāi)始訓(xùn)練

這個(gè)模型不是微調(diào)得來(lái)，而是從零開(kāi)始訓(xùn)練。即便他的準(zhǔn)確性低一些，但是從訓(xùn)練集上學(xué)到了不同的特性。用在一個(gè)組合里面時(shí)，這可能是有用的。

訓(xùn)練和測(cè)試期間的數(shù)據(jù)增強(qiáng)與一號(hào)模型相同：鏡像和裁剪。

驗(yàn)證集的模型精度：92.92％

模型大小：~2.6 MB

把模型組合在一起

每個(gè)模型輸出三個(gè)值，表示圖像屬于三個(gè)類中的每一個(gè)的概率。我們用以下權(quán)重平均它們的輸出：

• 一號(hào)模型：0.28

• 二號(hào)模型：0.49

• 三號(hào)模型：0.23

我通過(guò)對(duì)可能的值進(jìn)行網(wǎng)格搜索并在驗(yàn)證集上測(cè)試來(lái)找到權(quán)重的值。它們對(duì)驗(yàn)證集，可能有點(diǎn)過(guò)度擬合，但也許不是太多，因?yàn)檫@是一個(gè)非常簡(jiǎn)單的操作。

驗(yàn)證集的模型精度：94.83％

模型大小：~7.84 MB

在Nexar測(cè)試集上的精度：94.955% [撒花]

模型錯(cuò)誤示例

棕櫚樹(shù)上因?yàn)檠９猱a(chǎn)生的綠點(diǎn)，讓模型錯(cuò)誤的判斷這是一個(gè)綠燈信號(hào)。

模型把直行的紅燈判斷成綠燈。這種路口不止一個(gè)交通燈的情況有點(diǎn)棘手。

圖中右側(cè)有一個(gè)亮起綠燈的信號(hào)燈，但是模型認(rèn)為沒(méi)有交通信號(hào)燈。

結(jié)語(yǔ)

這是我第一次在一個(gè)實(shí)際案例中應(yīng)用深度學(xué)習(xí)！效果這么好讓我很高興。在這個(gè)過(guò)程中我學(xué)到了很多很多。以后有機(jī)會(huì)再跟大家交流更多~

除了這篇，今天還推送了另外一篇學(xué)習(xí)AI的文章，推薦繼續(xù)閱讀：

秘籍：如何用廉價(jià)硬件玩轉(zhuǎn)深度學(xué)習(xí)，成本不到1000美元

One more thing …

量子位的微信群已有不少關(guān)注和研究人工智能的朋友，從中國(guó)到美國(guó)，從金融到醫(yī)療……

如果你也想?yún)⑴c討論，結(jié)識(shí)同好，請(qǐng)?zhí)砑恿孔游恍≈值奈⑿盘?hào)：qbitbot，然后做個(gè)自我介紹，說(shuō)明職業(yè)或研究領(lǐng)域和方向，小助手會(huì)拉你進(jìn)群~

原文發(fā)布時(shí)間：2017-02-05

總結(jié)

以上是生活随笔為你收集整理的一文看懂如何搭建AI应用：10周学会深度学习，还赢下5千美元的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。