CNN 卷积神经网络实战:从服饰图像识别到工业设备故障检测
本文通过两个实际案例,介绍 CNN 的工作原理及 Python 实践:使用 Fashion-MNIST 识别服饰类别,以及使用 FordA 工业传感器数据检测发动机异常。
一、CNN 究竟是什么?
假设我们需要识别一张图片中的物体。
传统全连接神经网络通常将图像展平成一维向量,这会弱化像素之间的空间结构。
CNN 则通过卷积核,在图像上逐步扫描,提取局部特征。
例如,一个 3×3 卷积核会观察图像中的 3×3 像素区域。
输入图像
|
v
Conv2D:提取边缘、纹理等特征
|
v
ReLU:引入非线性
|
v
Pooling:缩小特征图
|
v
Conv2D:组合更复杂的特征
|
v
Dense:输出分类结果
CNN 的核心组件如下:
| 组件 | 作用 |
|---|---|
| Convolution | 利用卷积核提取局部特征 |
| ReLU | 增强模型表达非线性关系的能力 |
| Pooling | 降低特征图尺寸与计算量 |
| Flatten / Global Pooling | 将特征图转换为分类或回归所需的表示 |
| Dense | 输出预测结果 |
CNN 为什么有效?
主要有两个原因。
局部感受野: 每个卷积核只观察输入中的局部区域,可以学习边缘、形状及局部变化规律。
参数共享: 同一个卷积核可以在不同位置重复使用,从而减少参数量,并识别出现在不同位置的相似特征。
例如,一个卷积核可以学习识别横向边缘,无论它出现在图片上方还是下方,都能够产生相应响应。
不过,CNN 的特征并非人工指定,而是通过训练自动学习。
二、案例一:Fashion-MNIST 服饰图像分类
1. 数据集介绍
Fashion-MNIST 是 Zalando 发布的经典图像分类数据集。
它包含:
- 60,000 张训练图片。
- 10,000 张测试图片。
- 每张图片尺寸为 28×28。
- 10 个服饰类别。
主要类别包括 T 恤、裤子、连衣裙、外套、运动鞋、包等。
这是典型的二维 CNN 分类问题。
2. Python 实践
使用 TensorFlow/Keras,首次运行会自动下载数据。
安装依赖:
pip install tensorflow numpy
完整代码:
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
keras.utils.set_random_seed(42)
# 1. 加载数据
(x_train, y_train), (x_test, y_test) = (
keras.datasets.fashion_mnist.load_data()
)
# 2. 归一化,并增加通道维度
x_train = x_train.astype("float32") / 255
x_test = x_test.astype("float32") / 255
x_train = x_train[..., None]
x_test = x_test[..., None]
# 3. 构建CNN模型
model = keras.Sequential([
layers.Input(shape=(28, 28, 1)),
layers.Conv2D(32, 3, activation="relu"),
layers.MaxPooling2D(2),
layers.Conv2D(64, 3, activation="relu"),
layers.MaxPooling2D(2),
layers.Flatten(),
layers.Dense(64, activation="relu"),
layers.Dense(10, activation="softmax")
])
# 4. 编译模型
model.compile(
optimizer="adam",
loss="sparse_categorical_crossentropy",
metrics=["accuracy"]
)
# 5. 训练
model.fit(
x_train, y_train,
epochs=5,
batch_size=128,
validation_split=0.1
)
# 6. 独立测试
loss, acc = model.evaluate(x_test, y_test)
print("测试准确率:", round(acc, 4))
3. 模型是如何工作的?
输入数据形状为:
(batch_size, 28, 28, 1)
最后一个维度代表灰度图像的单个通道。
第一层:
layers.Conv2D(32, 3)
表示使用 32 个大小为 3×3 的卷积核提取图像特征。
第二层卷积使用 64 个卷积核,在前一层特征的基础上进一步提取复杂形状。
最终使用 Softmax 输出 10 个类别的预测概率。
例如:
T恤: 0.03
裤子: 0.02
连衣裙: 0.91
其他类别:0.04
以上为示意概率。
模型最终选择概率最高的类别作为预测结果。
实际应用中,还可以通过混淆矩阵分析哪些服饰最容易混淆,例如衬衫与 T 恤。
三、案例二:工业发动机故障检测
CNN 除了处理图像,还能处理一维时间序列。
例如,发动机运行时产生的振动、噪声或电流信号,都可以表示为连续采样数据。
1. 业务背景
第二个案例使用 FordA 数据集。
该数据集来自 UCR 时间序列分类数据集,包含:
- 3,601 条训练样本。
- 1,320 条测试样本。
- 每条样本包含 500 个时间采样点。
- 两个类别,用于识别发动机运行状态。
这是一种典型的工业传感器序列分类任务。
与图像 CNN 不同,这里使用 Conv1D(一维卷积)。
发动机传感器信号(500个采样点)
|
v
Conv1D
|
v
MaxPooling1D
|
v
Conv1D
|
v
GlobalAveragePooling1D
|
v
发动机状态分类
2. Python 实践
FordA 数据可以从 GitHub 获取:
https://github.com/hfawaz/cd-diagram/tree/master/FordA
以下代码会自动下载并读取数据。
import numpy as np
from urllib.request import urlretrieve
from tensorflow import keras
from tensorflow.keras import layers
keras.utils.set_random_seed(42)
# 1. 下载数据
base = (
"https://raw.githubusercontent.com/"
"hfawaz/cd-diagram/master/FordA/"
)
for name in ["FordA_TRAIN.tsv", "FordA_TEST.tsv"]:
urlretrieve(base + name, name)
# 2. 读取时间序列
def load_data(path):
data = np.loadtxt(path, delimiter="\t")
x = data[:, 1:].astype("float32")
y = (data[:, 0] == 1).astype("float32")
return x[..., None], y
x_train, y_train = load_data("FordA_TRAIN.tsv")
x_test, y_test = load_data("FordA_TEST.tsv")
# 3. 构建一维CNN
model = keras.Sequential([
layers.Input(shape=(500, 1)),
layers.Conv1D(32, 7, activation="relu"),
layers.MaxPooling1D(2),
layers.Conv1D(64, 5, activation="relu"),
layers.GlobalAveragePooling1D(),
layers.Dense(1, activation="sigmoid")
])
# 4. 训练模型
model.compile(
optimizer="adam",
loss="binary_crossentropy",
metrics=["accuracy"]
)
model.fit(
x_train, y_train,
epochs=15,
batch_size=32,
validation_split=0.2,
callbacks=[
keras.callbacks.EarlyStopping(
patience=4,
restore_best_weights=True
)
]
)
# 5. 测试集评价
loss, acc = model.evaluate(x_test, y_test)
print("测试准确率:", round(acc, 4))
3. Conv1D 与 Conv2D 有什么区别?
| 维度 | Conv1D | Conv2D |
|---|---|---|
| 输入形式 | 一维序列 | 二维图像 |
| 卷积方向 | 沿时间或序列维度 | 沿高度和宽度 |
| 典型数据 | 传感器、声音、金融序列 | 图像、视频帧 |
| 主要目标 | 提取局部时间模式 | 提取局部空间模式 |
在这个案例中:
layers.Conv1D(32, 7)
表示使用 32 个长度为 7 的卷积核,扫描发动机传感器信号。
模型能够自动学习某些局部波动模式,例如特定形状的振动或噪声变化。
由于 FordA 已经提供标准化的时间序列,因此示例中直接使用原始数据。
需要注意,该数据集已经将信号切分为固定长度的片段。要实现真正的提前故障预警,还需要明确故障发生时间,并使用故障发生之前的信号构造预测标签。
四、CNN、LSTM 和 Transformer 有什么区别?
| 模型 | 核心机制 | 常见优势 |
|---|---|---|
| CNN | 局部卷积与参数共享 | 局部特征提取效率高 |
| LSTM | 循环记忆与门控 | 处理具有时间依赖的序列 |
| Transformer | 自注意力机制 | 建模不同位置之间的复杂关系 |
CNN 特别适合识别局部模式,例如图像纹理、短时间振动变化及局部语音特征。
LSTM 通过循环状态传递历史信息,适合部分时间依赖明显的任务。
Transformer 可以通过注意力机制建立不同位置之间的联系,适用于复杂文本、图像和长序列建模。
实际项目中,可以根据数据规模、序列长度和计算成本选择模型,并通过实验比较性能。
五、总结
CNN 的核心思想是利用卷积核和参数共享机制,从原始数据中自动提取局部特征。
本文两个案例分别展示了 CNN 的不同用途:
Fashion-MNIST: 使用二维卷积提取图像特征,完成服饰类别识别。
FordA: 使用一维卷积提取工业传感器信号的局部变化模式,完成发动机状态分类。
CNN 的关键优势在于能够利用数据的空间或时间结构,以较少的参数学习有效特征。
学习 CNN,最重要的是理解卷积核如何提取局部特征、池化如何压缩特征,以及不同卷积层如何逐渐组合出更加复杂的表示。
掌握这些基本概念后,就可以进一步研究 ResNet、EfficientNet、U-Net 等经典卷积网络架构。
- 点赞
- 收藏
- 关注作者
评论(0)