【Deep Learning】VGG16之feature map学习笔记

最近学习BeautyGAN需要用到VGG16提取的feature map进行训练，简单学习了一些关于VGG16和feature map相关的内容。

VGG16网络结构

VGG16总共有16层，13个卷积层和3个全连接层，第一次经过64个卷积核的两次卷积，第二次经过两次128个卷积核卷积，第三次经过三层256卷积核卷积，第四次经过512个卷积核，每次卷积后进行一次pooling，最后经过三次全连接。

feature map是什么？

feature map可以理解为卷积网络从输入图片中提取出来的特征，层数越深，提取的特征越高级。

feature map的数量

feature map的数量和卷积核(filter)的数量有关。每一个卷积核提取一种特征，得到一个feature map。

feature map的作用

每一个feature map代表图片的一种特征，这些特征可以反映图片的内容。如BeautyGAN中，使用feature map进行人物身份保持。

feature map可视化

简单实现了feature map的可视化，输出VGG16每一层的feature map。

可以看到随着层数增加，feature map越来越抽象，可能看不到不过没关系，毕竟这些高级特征是给计算机识别的，不是给人识别的，果然越高级的东西越难懂。

VGG16的feature map结构及可视化

输入图片尺寸为361x361x3，VGG16每一层的feature map结构如下：

shape of layer conv1_1 is (361, 361, 64)
shape of layer conv1_2 is (361, 361, 64)
shape of layer pool1 is (181, 181, 64)
shape of layer conv2_1 is (181, 181, 128)
shape of layer conv2_2 is (181, 181, 128)
shape of layer pool2 is (91, 91, 128)
shape of layer conv3_1 is (91, 91, 256)
shape of layer conv3_2 is (91, 91, 256)
shape of layer conv3_3 is (91, 91, 256)
shape of layer pool3 is (46, 46, 256)
shape of layer conv4_1 is (46, 46, 512)
shape of layer conv4_2 is (46, 46, 512)
shape of layer conv4_3 is (46, 46, 512)
shape of layer pool4 is (23, 23, 512)
shape of layer conv5_1 is (23, 23, 512)
shape of layer conv5_2 is (23, 23, 512)
shape of layer conv5_3 is (23, 23, 512)
shape of layer pool5 is (12, 12, 512)

可视化结果如图，可以看到层数越深，feature map越抽象。

最后附上代码，可以输出每一层的特征图和所有特征子图，不过输出全部子图性能很差，不知道什么原因越到后面越慢，从昨晚开始跑了20个小时还没跑完conv4_3，开始几秒可以输出一幅，后面差不多1分钟才能输出一幅，怀疑是matplotlib.pyplot的问题，以后有时间再分析优化吧。重新分析了BeautyGAN论文，应该还是要把VGG16融合到GAN里，不能单独输出特征图再给GAN使用，因为BeautyGAN训练过程中生成器输出的“假”图也需要使用VGG16提取特征，所以二者必须在同一进程中执行，需要将两个模型合并或连接到一起。

# -*- coding:utf-8 -*-
import matplotlib
import numpy as np
import tensorflow as tf
import time
from PIL import Image
import matplotlib.pyplot as plt
import os# VGG 自带的一个常量，之前VGG训练通过归一化，所以现在同样需要作此操作
VGG_MEAN = [103.939, 116.779, 123.68]  # rgb 三通道的均值class VGGNet():"""创建 vgg16 网络 结构从模型中载入参数"""def __init__(self, data_dict):"""传入vgg16模型:param data_dict: vgg16.npy (字典类型)"""self.data_dict = data_dictdef get_conv_filter(self, name):"""得到对应名称的卷积层:param name: 卷积层名称:return: 该卷积层输出"""return tf.constant(self.data_dict[name][0], name='conv')def get_fc_weight(self, name):"""获得名字为name的全连接层权重:param name: 连接层名称:return: 该层权重"""return tf.constant(self.data_dict[name][0], name='fc')def get_bias(self, name):"""获得名字为name的全连接层偏置:param name: 连接层名称:return: 该层偏置"""return tf.constant(self.data_dict[name][1], name='bias')def conv_layer(self, x, name):"""创建一个卷积层:param x::param name::return:"""# 在写计算图模型的时候，加一些必要的 name_scope，这是一个比较好的编程规范# 可以防止命名冲突， 二可视化计算图的时候比较清楚with tf.name_scope(name):# 获得 w 和 bconv_w = self.get_conv_filter(name)conv_b = self.get_bias(name)# 进行卷积计算h = tf.nn.conv2d(x, conv_w, strides=[1, 1, 1, 1], padding='SAME')'''因为此刻的 w 和 b 是从外部传递进来，所以使用 tf.nn.conv2d()tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu = None, name = None) 参数说明：input 输入的tensor， 格式[batch, height, width, channel]filter 卷积核 [filter_height, filter_width, in_channels, out_channels] 分别是：卷积核高，卷积核宽，输入通道数，输出通道数strides 步长 卷积时在图像每一维度的步长，长度为4padding 参数可选择 “SAME” “VALID”'''# 加上偏置h = tf.nn.bias_add(h, conv_b)# 使用激活函数h = tf.nn.relu(h)return hdef pooling_layer(self, x, name):"""创建池化层:param x: 输入的tensor:param name: 池化层名称:return: tensor"""return tf.nn.max_pool(x,ksize=[1, 2, 2, 1],  # 核参数， 注意：都是4维strides=[1, 2, 2, 1],padding='SAME',name=name)def fc_layer(self, x, name, activation=tf.nn.relu):"""创建全连接层:param x: 输入tensor:param name: 全连接层名称:param activation: 激活函数名称:return: 输出tensor"""with tf.name_scope(name, activation):# 获取全连接层的 w 和 bfc_w = self.get_fc_weight(name)fc_b = self.get_bias(name)# 矩阵相乘 计算h = tf.matmul(x, fc_w)# 　添加偏置h = tf.nn.bias_add(h, fc_b)# 因为最后一层是没有激活函数relu的，所以在此要做出判断if activation is None:return helse:return activation(h)def flatten_layer(self, x, name):"""展平:param x: input_tensor:param name::return: 二维矩阵"""with tf.name_scope(name):# [batch_size, image_width, image_height, channel]x_shape = x.get_shape().as_list()# 计算后三维合并后的大小dim = 1for d in x_shape[1:]:dim *= d# 形成一个二维矩阵x = tf.reshape(x, [-1, dim])return xdef build(self, x_rgb):"""创建vgg16 网络:param x_rgb: [1, 224, 224, 3]:return:"""start_time = time.time()print('模型开始创建……')# 将输入图像进行处理，将每个通道减去均值r, g, b = tf.split(x_rgb, [1, 1, 1], axis=3)'''tf.split(value, num_or_size_split, axis=0)用法：value:输入的Tensornum_or_size_split:有两种用法：1.直接传入一个整数，代表会被切成几个张量，切割的维度有axis指定2.传入一个向量，向量长度就是被切的份数。传入向量的好处在于，可以指定每一份有多少元素axis, 指定从哪一个维度切割因此，上一句的意思就是从第4维切分，分为3份，每一份只有1个元素'''# 将 处理后的通道再次合并起来x_bgr = tf.concat([b - VGG_MEAN[0], g - VGG_MEAN[1], r - VGG_MEAN[2]], axis=3)#        assert x_bgr.get_shape().as_list()[1:] == [224, 224, 3]# 开始构建卷积层# vgg16 的网络结构# 第一层：2个卷积层 1个pooling层# 第二层：2个卷积层 1个pooling层# 第三层：3个卷积层 1个pooling层# 第四层：3个卷积层 1个pooling层# 第五层：3个卷积层 1个pooling层# 第六层： 全连接# 第七层： 全连接# 第八层： 全连接# 这些变量名称不能乱取，必须要和vgg16模型保持一致# 另外，将这些卷积层用self.的形式，方便以后取用方便self.conv1_1 = self.conv_layer(x_bgr, 'conv1_1')self.conv1_2 = self.conv_layer(self.conv1_1, 'conv1_2')self.pool1 = self.pooling_layer(self.conv1_2, 'pool1')self.conv2_1 = self.conv_layer(self.pool1, 'conv2_1')self.conv2_2 = self.conv_layer(self.conv2_1, 'conv2_2')self.pool2 = self.pooling_layer(self.conv2_2, 'pool2')self.conv3_1 = self.conv_layer(self.pool2, 'conv3_1')self.conv3_2 = self.conv_layer(self.conv3_1, 'conv3_2')self.conv3_3 = self.conv_layer(self.conv3_2, 'conv3_3')self.pool3 = self.pooling_layer(self.conv3_3, 'pool3')self.conv4_1 = self.conv_layer(self.pool3, 'conv4_1')self.conv4_2 = self.conv_layer(self.conv4_1, 'conv4_2')self.conv4_3 = self.conv_layer(self.conv4_2, 'conv4_3')self.pool4 = self.pooling_layer(self.conv4_3, 'pool4')self.conv5_1 = self.conv_layer(self.pool4, 'conv5_1')self.conv5_2 = self.conv_layer(self.conv5_1, 'conv5_2')self.conv5_3 = self.conv_layer(self.conv5_2, 'conv5_3')self.pool5 = self.pooling_layer(self.conv5_3, 'pool5')print('创建模型结束：%4ds' % (time.time() - start_time))# 指定 model 路径
vgg16_npy_pyth = './model/vgg16.npy'def read_img(img_name):"""读取图片:param img_name: 图片路径:return: 4维矩阵"""img = Image.open(img_name)np_img = np.array(img)  # 224, 224, 3# 需要传化 成 4 维np_img = np.asarray([np_img], dtype=np.int32)  # 这个函数作用不太理解 (1, 224, 224, 3)return np_imgdef save_feature_map(feature_batch, layer_name):"""创建特征子图，创建叠加后的特征图:param layer_name::param feature_batch: 一个卷积层所有特征图:return:"""feature_map = np.squeeze(feature_batch, axis=0)feature_map_combination = []#plt.figure()path = os.getcwd() + '\\data\\feature_maps\\' + layer_name + '\\'if not os.path.exists(path):os.makedirs(path)# 取出 featurn map 的数量num_pic = feature_map.shape[2]for i in range(0, num_pic):plt.imshow(feature_map[:, :, i])plt.savefig(path + str(i) + '.jpg')def save_feature_map_sum(feature_batch, layer_name):"""将每张子图进行相加:param layer_name::param feature_batch::return:"""feature_map = np.squeeze(feature_batch, axis=0)feature_map_combination = []# 取出 featurn map 的数量num_pic = feature_map.shape[2]# 将 每一层卷积的特征图，拼接层 5 × 5for i in range(0, num_pic):feature_map_split = feature_map[:, :, i]feature_map_combination.append(feature_map_split)# 按照特征图 进行 叠加代码feature_map_sum = sum(one for one in feature_map_combination)plt.imshow(feature_map_sum)path = os.getcwd() + '\\data\\feature_maps\\layer_sum\\'if not os.path.exists(path):os.makedirs(path)plt.savefig(path + layer_name + '.jpg')def get_feature_maps(img_path):# 读取 内容图像content_val = read_img(img_path)print('shape of image: ' + str(content_val.shape))content = tf.placeholder(tf.float32, shape=content_val.shape)# 载入模型， 注意：在python3中，需要添加一句： encoding='latin1'data_dict = np.load(vgg16_npy_pyth, encoding='latin1').item()# 创建图像的 vgg 对象vgg_for_content = VGGNet(data_dict)# 创建 每个 神经网络vgg_for_content.build(content)content_features = [vgg_for_content.conv1_1,vgg_for_content.conv1_2,vgg_for_content.pool1,vgg_for_content.conv2_1,vgg_for_content.conv2_2,vgg_for_content.pool2,vgg_for_content.conv3_1,vgg_for_content.conv3_2,vgg_for_content.conv3_3,vgg_for_content.pool3,vgg_for_content.conv4_1,vgg_for_content.conv4_2,vgg_for_content.conv4_3,vgg_for_content.pool4,vgg_for_content.conv5_1,vgg_for_content.conv5_2,vgg_for_content.conv5_3,vgg_for_content.pool5]init_op = tf.global_variables_initializer()with tf.Session() as sess:sess.run(init_op)content_features_result = sess.run([content_features],feed_dict={content: content_val})for i in range(0, len(content_features_result[0])):feature_batch = content_features_result[0][i]layer_name = str(content_features[i].name).split('/')[0].split(':')[0]print('shape of layer ' + layer_name + ' is ' + str(feature_batch[0].shape))# save_feature_map(feature_batch, layer_name)save_feature_map_sum(feature_batch, layer_name)get_feature_maps('./data/mk1.png')