引言
本文主要以ORL_64x64人脸数据库识别为例,介绍如何使用基于matlab的CDBN工具箱。至于卷积深度置信网络(CDBN,Convolutional Deep Belief Network)的理论知识,只给出笔者整理的一些学习资源。
卷积深度置信网络理论知识
参考以下学习资料
- CSDN博客---受限玻尔兹曼机(RBM)学习笔记
- CSDN博客---深度信念网络(Deep Belief Network)
- 知乎---卷积神经网络工作原理直观的解释
- 量子位公众号---一文了解各种卷积结构原理及优劣
- 中国知网博硕论文---基于卷积深度置信网络的歌手识别
- CDBN paper(全英)
CDBN工具箱简介
据笔者了解,目前,比较流行的深度学习框架,如TensorFlow、DeepLearning4j等不支持CDBN。GitHub上有基于Matlab的CDBN工具箱:CDBN工具箱下载链接
下面简要介绍该工具箱。
从GitHub上下载的压缩包解压后再打开,文件目录如下:
其中,最为重要的肯定是toolbox。toolbox里面有三个lib,分别是CDBN,DBN,Softmax库。本文将用到CDBN和Softmax两个库。 toolbox下的三个lib
需要注意的是,由于这个工具箱不是官方版的,因此可能存在某些bug,后面会涉及到笔者使用工具箱过程中的一些经验。
神经网络结构
介绍一下本文搭建的进行人脸识别的卷积深度置信网络的结构。
-
主体结构:两个卷积受限玻尔兹曼机(CRBM,Convolutional Restricted Boltzmann Machine)堆叠(每个CRBM后都接有池化层),顶层采用Softmax,实现分类。
-
第一个CRBM:
- 第二个CRBM:
-
Softmax层
神经元个数40个,最大迭代次数maxIter=1000,代价函数为交叉熵代价函数(Cross-Entropy Error) -
其他参数
其他诸如学习速率等的参数使用CDBN-master\toolbox\CDBNLIB\default_layer2D.m中的默认值。
编程
以下讲解编程步骤。
-
步骤一:安装工具箱
只需运行setup_toolbox.m即可。
安装工具箱其实只是把用到的一些函数添加到matlab的搜索路径,因此你完全可以把工具箱内所有的文件都复制到你当前的路径下,不过肯定麻烦啦! -
步骤二:加载和矩阵化数据
%load data
dataFortrain=load('ORL_64x64\StTrainFile1.txt');%注意修改路径
train_data=dataFortrain(:,1:end-1)';%训练样本
train_data=reshape(train_data,[64,64,1,360]);%矩阵化训练样本
trainL=dataFortrain(:,end);%训练样本标签
dataFortest=load('ORL_64x64\StTestFile1.txt');%注意修改路径
test_data=dataFortest(:,1:end-1)';%测试样本
test_data=reshape(test_data,[64,64,1,40]);%注意修改路径
testL=dataFortest(:,end);%测试样本标签
重点讲一下第四行。
StTrainFile1.txt中有360行,4097列。每一行是一幅人脸图像(像素为64X64=4096)的4096个灰度值,最后一列是该幅人脸图像的标签(1-40),表明其属于哪个人的(共40人,即分类数目为40)。由此可见,一幅二维图像(矩阵)被拉成了向量进行存储,因此在数据输入CDBN前,我们要对向量进行矩阵化,调用matlab的reshape方法,最终生成一个4维的矩阵,四个维度分别是64,64,1,360(样本数)。倒数第二行同理。
- 步骤三:定义层参数
工具箱把一层layer定义为一个struct对象。
%INITIALIZE THE PARAMETERS OF THE NETWORK
%first layer setting
layer{1} = default_layer2D();
layer{1}.inputdata=train_data;%输入训练样本
layer{1}.n_map_v=1;
layer{1}.n_map_h=9;
layer{1}.s_filter=[7 7];
layer{1}.stride=[1 1];
layer{1}.s_pool=[2 2];
layer{1}.batchsize=90;
layer{1}.n_epoch=1;
%second layer setting
layer{2} = default_layer2D();
layer{2}.n_map_v=9;
layer{2}.n_map_h=16;
layer{2}.s_filter=[5 5];
layer{2}.stride=[1 1];
layer{2}.s_pool=[2 2];
layer{2}.batchsize=10;
layer{2}.n_epoch=1;
需要注意的是,layer{i}=default_layer2D()这条语句是必须的,且必须位于所有层参数定义语句的最前面。原因:如果layer{i}=default_layer2D()这条语句不位于最前面的话,在这条语句前面的参数赋值语句实质不起作用,这些参数还是取默认值。特别是对于第一层,因为default_layer2D()方法中是没有定义inputdata字段的,如果layer{1}.inputdata=train_data这条语句位于layer{1}=default_layer2D()前面,则会出现“使用未定义字段”的错误。
- 步骤四:训练CDBN网络
这个过程是无监督学习,只需调用cdbn2D方法即可。
在调用cdbn2D方法之前,CDBN-master\toolbox\CDBNLIB\mex中的crbm_forward2D_batch_mex.c要先用mex命令编译生成crbm_forward2D_batch_mex.mexw64文件才能供matlab调用
mex crbm_forward2D_batch_mex.c
在编译前,crbm_forward2D_batch_mex.c要先修改:128行的out_id要改成在最开始的位置定义,否则编译时会出现“缺少:在类型前面’”的报错信息(PS:第一次遇到这么奇葩的报错,当时怀疑C语言是不是白学了),原因:VS2010的C编译器只支持C89标准,对C99标准支持不完全,而在C89标准中,变量需要放到函数体的前面声明,先声明再使用。
%% ----------- GO TO 2D CONVOLUTIONAL DEEP BELIEF NETWORKS ------------------%%
tic;
[model,layer] = cdbn2D(layer);
save('model_parameter','model','layer');
toc;
trainD = model{1}.output;%训练样本的第一个CRBM的输出,是一个4维矩阵
trainD1 = model{2}.output;%训练样本的第二个CRBM的输出,是一个4维矩阵
我们来比较一下train_data、trainD、trainD1的大小
train_data、trainD、trainD1现在再看看卷积神经网络的图示,是不是很好理解了呢?
卷积神经网络图示- 步骤五:将测试样本输入训练好的CDBN网络,提取高维特征
这段代码可以直接copy,修改好变量名即可!
%% ------------ TESTDATA FORWARD MODEL WITH THE PARAMETERS ------------------ %%
% FORWARD MODEL OF NETWORKS
H = length(layer);
layer{1}.inputdata = test_data;
fprintf('output the testdata features:>>...\n');
tic;
if H >= 2
% PREPROCESSS INPUTDATA TO BE SUITABLE FOR TRAIN
layer{1} = preprocess_train_data2D(layer{1});
model{1}.output = crbm_forward2D_batch_mex(model{1},layer{1},layer{1}.inputdata);
for i = 2:H
layer{i}.inputdata = model{i-1}.output;
layer{i} = preprocess_train_data2D(layer{i});
model{i}.output = crbm_forward2D_batch_mex(model{i},layer{i},layer{i}.inputdata);
end
else
layer{1} = preprocess_train_data2D(layer{1});
model{1}.output = crbm_forward2D_batch_mex(model{1},layer{1},layer{1}.inputdata);
end
testD = model{1}.output;%训练样本的第一个CRBM的输出,是一个4维矩阵
testD1 = model{2}.output;%训练样本的第二个CRBM的输出,是一个4维矩阵
toc;
同样的,我们来看一下test_data、testD、testD1的大小:
test_data、testD、testD1的大小比较- 步骤六:训练Softmax分类器,同时进行识别
这里我们用到 softmaxExercise(inputData,labels,inputData_t,labels_t)这个函数
参数说明:
- inputdata:训练样本的CDBN输出,要求是二维矩阵
-labels:训练样本的标签
-inputData_t:测试样本的CDBN输出,要求是二维矩阵
-labels_t:测试样本的标签
由于CDBN的输出是4维矩阵,因此在训练Softmax分类器前,需要把矩阵拉成向量(和之前的过程相反)。代码如下,可直接copy,修改变量名即可!
%% ------------------------------- Softmax ---------------------------------- %%
fprintf('train the softmax:>>...\n');
tic;
% TRANSLATE THE OUTPUT TO ONE VECTOR
trainDa = [];
trainLa=trainL;
for i= 1:size(trainD,4)
a1 = [];
a2 = [];
a3 = [];
for j = 1:size(trainD,3)
a1 = [a1;reshape(trainD(:,:,j,i),size(trainD,2)*size(trainD,1),1)];
end
for j = 1:size(trainD1,3)
a2 = [a2;reshape(trainD1(:,:,j,i),size(trainD1,2)*size(trainD1,1),1)];
end
a3 = [a3;a1;a2];
trainDa = [trainDa,a3];
end
testDa = [];
testLa=testL;
for i= 1:size(testD,4)
b1 = [];
b2 = [];
b3 = [];
for j = 1:size(testD,3)
b1 = [b1;reshape(testD(:,:,j,i),size(testD,2)*size(testD,1),1)];
end
for j =1:size(testD1,3)
b2 = [b2;reshape(testD1(:,:,j,i),size(testD1,2)*size(testD1,1),1)];
end
b3 = [b3;b1;b2];
testDa = [testDa,b3];
end
我们来看一下拉成向量后的trainDa以及testDa的大小
拉成向量后的trainDa以及testDa的大小对比一下,train_data和test_data在矩阵化之前的大小:
train_data和test_data在矩阵化之前的大小可见,CDBN作为特征提取器,将4096维特征映射到了9873维特征,提高了Softmax的分类能力!
softmaxExercise.m中有这样一段注释:
softmaxExercise.m中的注释因此在调用softmaxExercise方法前,要做以下4个工作:
- 修改softmaxExercise.m第22行的numClasses,如本文改为40
- 修改softmaxExercise.m第96行的maxIter,本文取1000
PS:个人觉得softmaxExercise方法应该增加两个入口参数,即numClasses和maxIter,如此才能更好体现封装的思想。
- softmaxCost.m中定义需要的损失函数,只需要改第90行
cost = -(1. / numCases) * sum(sum(groundTruth .* log(p))) + (lambda / 2.) * sum(sum(theta.^2));
这条语句即可,原文件使用的是交叉熵代价函数。
- 有必要的话可以修改 softmaxPredict.m中内容,个人觉得完全没必要,保留即可。
最后调用softmaxExercise方法
softmaxExercise(trainDa,trainLa,testDa,testLa);
toc;
完整代码
FaceRecognitionDemo.m
clear;
%load data
dataFortrain=load('ORL_64x64\StTrainFile1.txt');
train_data=dataFortrain(:,1:end-1)';
train_data=reshape(train_data,[64,64,1,360]);
trainL=dataFortrain(:,end);
dataFortest=load('ORL_64x64\StTestFile1.txt');
test_data=dataFortest(:,1:end-1)';
test_data=reshape(test_data,[64,64,1,40]);
testL=dataFortest(:,end);
%INITIALIZE THE PARAMETERS OF THE NETWORK
%first layer setting
layer{1} = default_layer2D();
layer{1}.inputdata=train_data;
layer{1}.n_map_v=1;
layer{1}.n_map_h=9;
layer{1}.s_filter=[7 7];
layer{1}.stride=[1 1];
layer{1}.s_pool=[2 2];
layer{1}.batchsize=90;
layer{1}.n_epoch=1;
%second layer setting
layer{2} = default_layer2D();
layer{2}.n_map_v=9;
layer{2}.n_map_h=16;
layer{2}.s_filter=[5 5];
layer{2}.stride=[1 1];
layer{2}.s_pool=[2 2];
layer{2}.batchsize=10;
layer{2}.n_epoch=1;
%% ----------- GO TO 2D CONVOLUTIONAL DEEP BELIEF NETWORKS ------------------ %%
tic;
[model,layer] = cdbn2D(layer);
save('model_parameter','model','layer');
toc;
trainD = model{1}.output;
trainD1 = model{2}.output;
%% ------------ TESTDATA FORWARD MODEL WITH THE PARAMETERS ------------------ %%
% FORWARD MODEL OF NETWORKS
H = length(layer);
layer{1}.inputdata = test_data;
fprintf('output the testdata features:>>...\n');
tic;
if H >= 2
% PREPROCESSS INPUTDATA TO BE SUITABLE FOR TRAIN
layer{1} = preprocess_train_data2D(layer{1});
model{1}.output = crbm_forward2D_batch_mex(model{1},layer{1},layer{1}.inputdata);
for i = 2:H
layer{i}.inputdata = model{i-1}.output;
layer{i} = preprocess_train_data2D(layer{i});
model{i}.output = crbm_forward2D_batch_mex(model{i},layer{i},layer{i}.inputdata);
end
else
layer{1} = preprocess_train_data2D(layer{1});
model{1}.output = crbm_forward2D_batch_mex(model{1},layer{1},layer{1}.inputdata);
end
testD = model{1}.output;
testD1 = model{2}.output;
toc;
%% ------------------------------- Softmax ---------------------------------- %%
fprintf('train the softmax:>>...\n');
tic;
% TRANSLATE THE OUTPUT TO ONE VECTOR
trainDa = [];
trainLa=trainL;
for i= 1:size(trainD,4)
a1 = [];
a2 = [];
a3 = [];
for j = 1:size(trainD,3)
a1 = [a1;reshape(trainD(:,:,j,i),size(trainD,2)*size(trainD,1),1)];
end
for j = 1:size(trainD1,3)
a2 = [a2;reshape(trainD1(:,:,j,i),size(trainD1,2)*size(trainD1,1),1)];
end
a3 = [a3;a1;a2];
trainDa = [trainDa,a3];
end
testDa = [];
testLa=testL;
for i= 1:size(testD,4)
b1 = [];
b2 = [];
b3 = [];
for j = 1:size(testD,3)
b1 = [b1;reshape(testD(:,:,j,i),size(testD,2)*size(testD,1),1)];
end
for j =1:size(testD1,3)
b2 = [b2;reshape(testD1(:,:,j,i),size(testD1,2)*size(testD1,1),1)];
end
b3 = [b3;b1;b2];
testDa = [testDa,b3];
end
softmaxExercise(trainDa,trainLa,testDa,testLa);
toc;
运行截图1 运行截图2 运行截图3运行截图及准确率
97.5%的识别率,还是可以接受的,一方面是数据集好,另一方面是搭建得网络好。
读者可以试一试调整CDBN网络的参数,比如增大epoch(本文取1),看能否获得更高的识别率。
为了方便读者研究,附上所有文件。
本Demo文件汇总下载链接(原链接失效,此为新版连接),提取码:7f6i
以下是使用此工具箱的几点提示:
- 原始工具箱只在LINUX系统测试过,由于LINUX系统和WINDOWS系统的文件分隔符不同,
因此DemoCDBN_Binary_2D.m的第83行、
cdbn2D.m的第15、24行、 setup_toolbox.m的文件分隔符要修改。 - 源程序存在bug,即若样本个数不是batchsize的整数倍的话,会出错,因此在此bug排除前,应将batchsize设置为样本数目的因数
网友评论
不好意思,我前段时间不怎么看简书了,如果你还需要的话给我留个信吧,我发你邮箱,实在抱歉