1.项目背景
随着智能餐饮、外卖平台以及自动化食品识别技术的快速发展,图像分类在餐饮图像智能化管理与推荐系统中发挥着越来越重要的作用。披萨作为一种形态多样、配料丰富且在全球范围内广受欢迎的食品,其特征提取受所选食材、烘焙程度以及切片角度等多重因素影响,使得计算机在复杂场景下对披萨进行精准识别具有一定的挑战性。为了提升食物识别的准确性与鲁棒性,构建一个高性能的图像分类模型显得尤为重要。
本项目旨在基于涵盖披萨与非披萨两大类别的标准化图像资源,利用预训练深度卷积神经网络在特征抽取上的强大优势,探索并实现高效、精准的图像二分类任务,为食品图像的自动化标注与智能识别场景提供切实可靠的技术方案。
2.数据集介绍
本实验数据集来源于Kaggle,谁不喜欢披萨呢?这个数据集包含大约1000张披萨图片和1000张其他菜肴的图片。它可以用于简单的二元图像分类任务。所有图像均被重新缩放,使其最大边长为 512 像素。
3.技术工具
Python版本:3.9
代码编辑器:jupyter notebook
4.实验过程
4.1导入数据
项目的首要步骤是搭建开发环境并导入必要的工具包。这里集中加载了用于矩阵运算的 NumPy、数据处理的 Pandas,以及图像读取与路径操作的相关模块;同时引入了 Keras 神经网络框架中的 VGG16 预训练模型、层结构组件、数据增强生成器,以及用于评估分类性能的 Scikit-learn 指标函数与 Seaborn 绘图库,为后续的模型构建、数据预处理和结果可视化奠定基础。
# 导入所需的库import numpy as np # 线性代数运算import pandas as pd # 数据处理,CSV文件输入/输出(例如 pd.read_csv)import osimport numpy as npimport matplotlib.pyplot as pltfrom tensorflow.keras.preprocessing.image import ImageDataGeneratorfrom tensorflow.keras.models import Sequentialfrom tensorflow.keras.layers import Conv2D, MaxPooling2D, Flatten, Dense, Dropoutfrom tensorflow.keras.optimizers import Adamfrom tensorflow.keras.applications import VGG16import randomfrom sklearn.metrics import confusion_matriximport seaborn as snsimport mathfrom sklearn.metrics import classification_reportfrom tensorflow.keras.callbacks import EarlyStopping, ModelCheckpointfrom matplotlib.image import imreadimport osimport shutilfrom sklearn.model_selection import train_test_split
导入基础工具依赖库后,接下来需要对原始图像数据进行读取与目录结构的划分。
在准备好依赖项后,需要对原始数据集进行标准化组织。这里定义了训练集与验证集的存放目录,按照 8:2 的比例使用 train_test_split 将披萨与非披萨两类图像随机划分为训练数据和验证数据,并将其分别复制到对应的子文件夹中,建立起符合图像生成器读取规范的标准文件目录结构;最后遍历统计各类别的样本数量并打印输出,以便确认数据划分无误。
dataset_path='/kaggle/input/pizza-not-pizza/pizza_not_pizza' # 数据集在输入目录中的路径# 路径定义original_dataset_dir = '/kaggle/input/pizza-not-pizza/pizza_not_pizza'base_dir = '/kaggle/working/dataset'# 创建基础目录os.makedirs(base_dir, exist_ok=True)# 创建训练集和验证集的子目录train_dir = os.path.join(base_dir, 'train')validation_dir = os.path.join(base_dir, 'validation')os.makedirs(train_dir, exist_ok=True)os.makedirs(validation_dir, exist_ok=True)# 类别列表classes = ['pizza', 'not_pizza']for cls in classes:cls_original_dir = os.path.join(original_dataset_dir, cls)images = os.listdir(cls_original_dir)# 划分数据train_images, val_images = train_test_split(images, test_size=0.2, random_state=42)# 在训练和验证目录中创建对应的类别子目录cls_train_dir = os.path.join(train_dir, cls)cls_validation_dir = os.path.join(validation_dir, cls)os.makedirs(cls_train_dir, exist_ok=True)os.makedirs(cls_validation_dir, exist_ok=True)# 复制训练图像for img in train_images:src = os.path.join(cls_original_dir, img)dst = os.path.join(cls_train_dir, img)shutil.copyfile(src, dst)# 复制验证图像for img in val_images:src = os.path.join(cls_original_dir, img)dst = os.path.join(cls_validation_dir, img)shutil.copyfile(src, dst)# 仅筛选出目录classes = [d for d in os.listdir(dataset_path) if os.path.isdir(os.path.join(dataset_path, d))]for cls in classes:class_path = os.path.join(dataset_path, cls)num_images = len(os.listdir(class_path))print(f"Number of images in '{cls}': {num_images}")
完成上述目录重新划分与复制后,图像数据已经以标准格式存放在独立的工作目录中,为后续的图像可视化与生成器加载做好了准备。
4.2数据可视化
为了直观了解数据集的样本质量与形态差异,编写了自定义的图像展示函数 display_sample_images。该函数通过在指定的类别文件夹中随机抽取 5 张图像,借助 Matplotlib 库绘制出多图子图排版,并关闭坐标轴以更清晰地呈现图像本身;随后分别调用该函数展示披萨(pizza)与非披萨(not_pizza)两类样本的代表性图片。
# 定义显示数据集中样本图像的函数def display_sample_images(class_name):folder_path = os.path.join(dataset_path, class_name)images = random.sample(os.listdir(folder_path), 5)plt.figure(figsize=(15, 5))for idx, img_name in enumerate(images):img = imread(os.path.join(folder_path, img_name))plt.subplot(1, 5, idx+1)plt.imshow(img)plt.title(class_name)plt.axis('off')plt.show()# 分别展示披萨与非披萨类别的随机样本图像display_sample_images('pizza')display_sample_images('not_pizza')
4.3特征工程
为了适配 VGG16 模型的输入要求并增强模型的泛化能力,此阶段对图像数据进行尺寸统一与数据增强处理。将目标图像分辨率统一设置为 224×224,并设置批次大小为 32;在训练集的 ImageDataGenerator 中加入像素值归一化(1/255)、剪切变换、随机缩放以及水平翻转等数据增强策略,以拓展训练样本的多样性,而验证集则仅保留像素归一化操作;最后利用 flow_from_directory 建立二分类(class_mode='binary')的数据批量生成器。
img_height_new, img_width_new = 224, 224 # VGG16 期望的输入图像尺寸为 224x224batch_size = 32# 训练集数据增强生成器train_datagen_new = ImageDataGenerator(rescale=1./255, # 像素值归一化shear_range=0.2, # 随机剪切变换zoom_range=0.2, # 随机缩放horizontal_flip=True, # 随机水平翻转)# 验证集数据生成器(仅进行归一化)validation_datagen_new = ImageDataGenerator(rescale=1./255)# 构建训练集数据流生成器train_generator_new = train_datagen_new.flow_from_directory(os.path.join(base_dir, 'train'),target_size=(img_height_new, img_width_new),batch_size=batch_size,class_mode='binary')# 构建验证集数据流生成器validation_generator_new = validation_datagen_new.flow_from_directory(os.path.join(base_dir, 'validation'),target_size=(img_height_new, img_width_new),batch_size=batch_size,class_mode='binary')
数据生成器构建完成后,图像能够以流式加载的形式源源不断地输送到模型中,既节省了内存开销,又为防止神经网络在训练过程中的过拟合提供了有效保障。
4.4构建模型
模型搭建采用基于 VGG16 的迁移学习方案。首先加载在 ImageNet 数据集上预训练好的 VGG16 模型主干,剔除其顶部的全连接分类头(include_top=False),并将主干网络的所有层进行冻结(trainable = False),以保留其强悍的通用图像特征提取能力;随后在主干网络之上接入自定义的分类头,包含平坦化层 Flatten、128 个神经元并带有 ReLU 激活的全连接层、丢弃率为 0.5 的 Dropout 正则化层,以及最终用于输出二分类概率的单神经元 Sigmoid 激活层;最后指定 Adam 优化器与二分类交叉熵损失函数编译模型,并打印出总体架构信息。
# 加载预训练的 VGG16 主干网络(不包含顶层全连接分类器)base_model = VGG16(input_shape=(img_height_new, img_width_new, 3),include_top=False,weights='imagenet')# 冻结基础模型的权重,防止在初始训练阶段破坏已学到的通用特征base_model.trainable = False# 在预训练主干网络上方搭建自定义分类层vgg_model = Sequential([base_model,Flatten(),Dense(128, activation='relu'),Dropout(0.5),Dense(1, activation='sigmoid')])# 编译模型,配置优化器、损失函数与评估指标vgg_model.compile(optimizer=Adam(),loss='binary_crossentropy',metrics=['accuracy'])# 输出模型结构摘要vgg_model.summary()
这种冻结卷积基底、仅训练顶层分类器的迁移学习结构,既能充分利用深度网络在海量数据上学到的丰富边缘与纹理特征,又能极大地减少可训练参数量,有效防止在小样本数据集上发生过拟合现象。
4.5训练模型
在完成网络架构搭设与数据生成器绑定后,正式进入模型的训练阶段。设置总训练轮数为 20 轮,并根据训练集与验证集的样本总量及批次大小计算出每个 Epoch 对应的迭代步数;为了防止训练过程中最佳权重丢失,引入了 ModelCheckpoint 回调函数,实时监控验证集上的表现并仅保存性能最优的模型文件(best_vgg_model.keras),随后启动 fit 过程对顶层分类器进行参数优化。
epochs = 20steps_per_epoch_new = train_generator_new.samples // batch_sizevalidation_steps_new = validation_generator_new.samples // batch_size# 配置模型检查点回调函数,仅保存验证集效果最好的模型权重model_checkpoint = ModelCheckpoint('best_vgg_model.keras', save_best_only=True)# 启动模型拟合训练model_vgg = vgg_model.fit(train_generator_new,steps_per_epoch=steps_per_epoch_new,validation_data=validation_generator_new,validation_steps=validation_steps_new,epochs=epochs,callbacks=[model_checkpoint])
4.6模型评估
为了全面评估基于 VGG16 模型的训练效果与分类性能,评估过程分为训练曲线绘制、验证集数据加载与预测计算、详细分类指标报告生成以及混淆矩阵可视化四个步骤进行。
第一步,绘制模型在训练集与验证集上的准确率(Accuracy)和损失值(Loss)变化曲线,以观察训练过程中的收敛趋势及是否存在过拟合现象。
# 绘制训练集与验证集的准确率曲线plt.figure(figsize=(8, 6))plt.plot(model_vgg.history['accuracy'], label='Training Accuracy')plt.plot(model_vgg.history['val_accuracy'], label='Validation Accuracy')plt.title('Model VGG16 Accuracy')plt.ylabel('Accuracy')plt.xlabel('Epoch')plt.legend(loc='upper left')plt.grid(True)plt.show()# 绘制训练集与验证集的损失值曲线plt.figure(figsize=(8, 6))plt.plot(model_vgg.history['loss'], label='Training Loss')plt.plot(model_vgg.history['val_loss'], label='Validation Loss')plt.title('Model VGG16 Loss')plt.ylabel('Loss')plt.xlabel('Epoch')plt.legend(loc='upper left')plt.grid(True)plt.show()
准确率与损失值曲线能够清晰展示模型在各个训练轮次中的学习轨迹,帮助验证超参数设置的合理性。
第二步,构建用于评估与可视化的数据生成器,提取验证批次进行模型预测,并对模型在总体验证数据上的损失和准确率进行定量评估。
# 设置适合 VGG16 的图像尺寸与评估批次大小img_height_vgg, img_width_vgg = 224, 224batch_size = 50# 创建用于可视化评估的数据生成器(仅进行归一化)visualization_datagen_vgg = ImageDataGenerator(rescale=1./255)# 建立验证数据流生成器visualization_generator_vgg = visualization_datagen_vgg.flow_from_directory(dataset_path,target_size=(img_height_vgg, img_width_vgg),batch_size=batch_size,class_mode='binary',shuffle=True # 确保数据读取的连续性与规范性)# 获取一个批次的样本与其对应的真实标签x_val_vgg, y_val_vgg = next(visualization_generator_vgg)# 使用训练好的 VGG16 模型进行预测并将概率转换为二分类标签predictions_vgg = vgg_model.predict(x_val_vgg)predicted_classes_vgg = (predictions_vgg > 0.5).astype("int32")# 在全量验证生成器上评估模型的损失和准确率validation_loss, validation_accuracy = vgg_model.evaluate(visualization_generator_vgg)print(f"Validation Loss: {validation_loss}")print(f"Validation Accuracy: {validation_accuracy}")
通过批量抽取数据进行推理,能够获得模型在特定样本上的预测概率值,同时整体 evaluate 结果给出了模型全局的表现指标。
第三步,基于该批次样本的真实标签与预测分类结果,生成包含精确率(Precision)、召回率(Recall)及 F1 分数的详细分类报告(Classification Report)。
# 获取真实标签与预测标签并输出分类评估报告y_true = y_val_vggy_pred = predicted_classes_vggprint(classification_report(y_true, y_pred, target_names=['Not Pizza', 'Pizza']))
分类报告详细拆解了模型在非披萨(Not Pizza)与披萨(Pizza)两个类别上的细粒度指标,用以评估预测结果的不偏不倚程度。
第四步,计算全量数据的混淆矩阵(Confusion Matrix),并使用 Heatmap 热力图进行可视化呈现,直观展示真阳性、假阳性等具体分类结果分布。
# 获取全量数据的真实标签y_true_vgg = visualization_generator_vgg.classes# 计算混淆矩阵cm = confusion_matrix(y_true_vgg, predicted_classes_vgg)# 定义类别名称列表class_names = ['Not Pizza', 'Pizza']# 绘制混淆矩阵热力图plt.figure(figsize=(8, 6))sns.heatmap(cm, annot=True, fmt='d', cmap='Blues', xticklabels=class_names, yticklabels=class_names)plt.title('Confusion Matrix for VGG16 Model')plt.xlabel('Predicted Label')plt.ylabel('True Label')plt.show()
混淆矩阵热力图直观揭示了分类器的误判分布,帮助准确判断模型在识别特定类别时是否存在混淆倾向,完成对模型综合性能的全方位评估。
4.7模型预测
为直观展示 VGG16 模型在实际样本上的推理表现,提取验证批次中的前 9 张图像进行可视化比对。通过构建 3 x 3 的子图网格,将归一化后的图像数据实时绘制,并将数值型的二分类标签转换为直观的文本标识(Pizza 与 Not Pizza);随后在每张图像上方同时标注其真实类别(True Label)与模型预测类别(Predicted Label),并关闭坐标轴以保持图像的完整度与美观度。
# 绘制验证批次前 9 张图像的真实标签与预测标签对比图plt.figure(figsize=(12, 12))for i in range(0, 9): # 展示前 9 张图像plt.subplot(3, 3, i+1)plt.imshow(x_val_vgg[i])# 将数值标签映射为对应的类别名称true_label = 'Pizza' if y_val_vgg[i] == 1 else 'Not Pizza'predicted_label = 'Pizza' if predicted_classes_vgg[i] == 1 else 'Not Pizza'# 设置图像标题,显示真实类别与预测结果plt.title(f"True: {true_label}nPred: {predicted_label}")plt.axis('off')plt.tight_layout()plt.show()
5.总结
本实验针对披萨与非披萨图像的二分类任务,基于包含约 2000 张标准化处理图像的数据集,构建并训练了基于 VGG16 迁移学习的分类模型。实验结果表明,该模型在二分类图像识别中展现出了极高的准确性与泛化能力,验证集损失低至 0.1405,验证集准确率达到 95.02%。从详细评估指标与混淆矩阵分析来看,模型在两类样本上的精确率与召回率均表现极其出色,宏平均与加权平均的 F1 分数均高达 0.98,能够精准高效地提取图像边缘与深层纹理特征,成功完成了图像分类预定目标。
51